JP6751049B2 - プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 - Google Patents
プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 Download PDFInfo
- Publication number
- JP6751049B2 JP6751049B2 JP2017093317A JP2017093317A JP6751049B2 JP 6751049 B2 JP6751049 B2 JP 6751049B2 JP 2017093317 A JP2017093317 A JP 2017093317A JP 2017093317 A JP2017093317 A JP 2017093317A JP 6751049 B2 JP6751049 B2 JP 6751049B2
- Authority
- JP
- Japan
- Prior art keywords
- profile
- vehicle
- driving operation
- actuator
- profile creation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Description
そこで、DNN(Deep Neural Networks)に基づく侵入検知システム(例えば、非特許文献1参照)、及び通信プロトコルを強化して攻撃者の侵入を困難にする手法(例えば、非特許文献2参照)等が提案されている。
車両を人が運転している場合、運転者によりステアリング、アクセル、ブレーキ等の操作方法にばらつきがあるため、これらの運転動作の分析により、運転者を識別できることが知られている(例えば、非特許文献3参照)。このため、車両毎の通常のプロファイルからの差分により、運転者が異なることが検知可能である。
ところが、車両がコンピュータ制御により自動運転されている場合、最適化された運転動作は、車両毎に共通化されるため、攻撃者により模倣されるおそれがある。この結果、自動運転車両がハイジャックされたことを検知することが難しくなる。
図1は、本実施形態に係る検出システム1の構成を示す図である。
検出システム1は、通信ネットワークに接続された車両2と、監視装置3とを備える。車両2及び監視装置3は、プロファイル作成システムとして機能し、監視装置3は、攻撃の検出装置として機能する。
なお、検出システム1における各機能部の配置は限定されず、監視装置3は、車両2に内蔵されてもよい。
コントローラ20は、車両に設けられた各種のセンサからの出力に基づいて、アクチュエータへの入力信号を生成する。コントローラ20は、コンピュータプログラムに基づく標準制御モデル21を有し、さらに、標準制御モデル21の出力を変換する変換部22(第1変換部)を備える。この変換部22の出力がアクチュエータへの実際の入力信号となる。
具体的には、変換部22の演算は、ランダム値RF∈Rn(Rnは実数体)を引数とする関数T()により表されるものとする。
これにより、標準制御モデル21の出力は、同じ運転動作であっても、ある範囲のばらつきをもった出力に変換される。
また、ランダム値RFは、例えば擬似ランダム関数等により生成され、さらに、セキュリティ上、定期的に更新されることが望ましい。
プロファイルデータベース32は、センサ情報に基づいて生成部34により生成される車両毎のプロファイルを格納する。
また、生成部34は、逆変換部33による変換後の情報に基づいて車両2の状態遷移を観測し、第2プロファイルを生成して、プロファイルデータベース32に格納する。
[制御モデル]
まず、コントローラ20による車両2の制御モデルを以下のように定義する。
ここで、変換処理は、Ai t及びランダム値RF∈Rnを引数とする関数T(Ai t,RF)=Ri tで表されるものとする。
また、T()の逆関数を、T’(Ri t,RF)=Ai tとする。なお、引数となるランダム値RFは、T()及びT’()で共通である。
また、同一の運転者Dによる状態遷移Laction(i) Tの集合を、Laction(i) Dと表す。
このように定義される制御モデルによって、各車両2のプロファイルは、次のように生成される。
また、変換部22によりアクチュエータへの一連の入力がランダム値RFを用いた関数T()で変換されると、TSeqaction(i) state(i)={Ri t1,Ri t2,・・・,Ri tn}となる。
このとき、運転者DRのプロファイル(第1プロファイル)P(Laction(i) D(R))は、標準の運転者DのプロファイルP(Laction(i) D)とは、異なっている。
この例では、車両2が交差点で右折する際のライン取りの相違を示している。
例えば、車両2がBからEの方向へ走行しているとする。交差点に差し掛かった車両2は、右折し、HからCの方向へ進路を変えている。
図3は、本実施形態に係る監視装置3による攻撃の検出方法の流れを示す図である。
センサ情報データベース31には、車両2から送信されるセンサデータが蓄積されているものとする。また、プロファイルデータベース32には、センサ情報に基づいて生成部34により生成された車両2毎のプロファイルが格納されている。
このとき、車両2毎に異なるランダム値RFにより変換された運転の特徴を示す第1プロファイルと共に、逆変換部33により復元された標準制御モデル21の特徴を示す第2プロファイルが格納されてよい。
このステップは、周期的に、又は特定の条件による所定のタイミングで実行される。
検出部は、プロファイルデータベース32に格納されているプロファイルと、最新のセンサ情報に基づいて生成されたプロファイルとを比較することにより、運転者の一致又は不一致を判断する。
ここで、プロファイルが一致する場合、検出部35は、ステップS3において、所定の周期又は条件を判断して次回の解析タイミングを検知し、ステップS1に移る。
センサ情報データベース31に格納されたセンサ情報に基づいて、生成部34により第1プロファイルが生成されると、検出部35は、プロファイルデータベース32に格納されている第1プロファイルと比較し、一致又は不一致を判断する。
具体的には、人が運転している場合の特徴を示すプロファイルが予め作成されている場合、検出部35は、このプロファイルとの比較により、リモートのハイジャック攻撃であるか否かを判定する。
なお、この判定は、プロファイルの不一致がある場合に限らず、実施されてもよい。
2 車両
3 監視装置(検出装置)
20 コントローラ
21 標準制御モデル
22 変換部(第1変換部)
31 センサ情報データベース
32 プロファイルデータベース
33 逆変換部(第2変換部)
34 生成部
35 検出部
Claims (8)
- 車両の運転動作を制御するアクチュエータへの入力信号を、前記車両毎に決定されたランダム値を含む演算により変換する第1変換部と、
センサ情報に基づいて前記車両の状態遷移を観測し、前記車両それぞれの運転動作の特徴を示す第1プロファイルを生成する生成部と、を備えるプロファイル作成システム。 - 前記第1変換部は、前記演算により得られた信号値を、所定の範囲内に補正する請求項1に記載のプロファイル作成システム。
- 前記第1変換部は、前記ランダム値を定期的に更新する請求項1又は請求項2に記載のプロファイル作成システム。
- 前記センサ情報に対して、前記演算の逆変換を行う第2変換部を備え、
前記生成部は、前記第2変換部による変換後の情報に基づいて前記車両の状態遷移を観測し、第2プロファイルを生成する請求項1から請求項3のいずれかに記載のプロファイル作成システム。 - 請求項1から請求項3のいずれかに記載のプロファイル作成システムにより作成された前記第1プロファイルの経時変化に基づいて、前記車両の運転動作の変化を検出する検出部を備える検出装置。
- 請求項4に記載のプロファイル作成システムにより作成された前記第1プロファイルの経時変化、及び前記第2プロファイルの経時変化に基づいて、前記車両の運転動作の変化を検出する検出部を備える検出装置。
- 車両の運転動作を制御するアクチュエータへの入力信号を、前記車両毎に決定されたランダム値を含む演算により変換する第1変換ステップと、
センサ情報に基づいて前記車両の状態遷移を観測し、前記車両それぞれの運転動作の特徴を示す第1プロファイルを生成する生成ステップと、をコンピュータが実行するプロファイル作成方法。 - 車両の運転動作を制御するアクチュエータへの入力信号を、前記車両毎に決定されたランダム値を含む演算により変換する第1変換ステップと、
センサ情報に基づいて前記車両の状態遷移を観測し、前記車両それぞれの運転動作の特徴を示す第1プロファイルを生成する生成ステップと、をコンピュータに実行させるためのプロファイル作成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017093317A JP6751049B2 (ja) | 2017-05-09 | 2017-05-09 | プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017093317A JP6751049B2 (ja) | 2017-05-09 | 2017-05-09 | プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018188037A JP2018188037A (ja) | 2018-11-29 |
JP6751049B2 true JP6751049B2 (ja) | 2020-09-02 |
Family
ID=64479454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017093317A Active JP6751049B2 (ja) | 2017-05-09 | 2017-05-09 | プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6751049B2 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02255902A (ja) * | 1989-10-24 | 1990-10-16 | Miura Takeshi | 搬送車走行誘導法 |
JP5828776B2 (ja) * | 2012-02-10 | 2015-12-09 | 本田技研工業株式会社 | 無人走行作業車の制御装置 |
JP6302636B2 (ja) * | 2013-08-23 | 2018-03-28 | Kyb株式会社 | 駐車誘導装置 |
JP6600823B2 (ja) * | 2015-01-22 | 2019-11-06 | パナソニックIpマネジメント株式会社 | 路側装置、サーバ装置、車載装置、隊列走行判定方法及び交通情報予測システム |
-
2017
- 2017-05-09 JP JP2017093317A patent/JP6751049B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018188037A (ja) | 2018-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | In-vehicle network intrusion detection using deep convolutional neural network | |
Taylor et al. | Anomaly detection in automobile control network data with long short-term memory networks | |
Wasicek et al. | Context-aware intrusion detection in automotive control systems | |
KR102310252B1 (ko) | 자동차 운전자 보조 시스템에 관련된 방법 | |
Bezemskij et al. | Detecting cyber-physical threats in an autonomous robotic vehicle using Bayesian networks | |
JP7439963B2 (ja) | 判定装置、判定プログラム、判定方法及びニューラルネットワークモデルの生成方法 | |
US12001553B2 (en) | Detecting vehicle malfunctions and cyber attacks using machine learning | |
Gao et al. | Intrusion detection system using SOEKS and deep learning for in-vehicle security | |
Farivar et al. | Covert attacks through adversarial learning: Study of lane keeping attacks on the safety of autonomous vehicles | |
Jahanshahi et al. | Attack detection and estimation in cooperative vehicles platoons: A sliding mode observer approach | |
Sharma et al. | Protecting ECUs and vehicles internal networks | |
Mongelli | Design of countermeasure to packet falsification in vehicle platooning by explainable artificial intelligence | |
Yamamoto et al. | Attack detection and defense system using an unknown input observer for cooperative adaptive cruise control systems | |
Huang et al. | Robust $ H_ {\infty} $ Dynamic Output-Feedback Control for CACC With ROSSs Subject to RODAs | |
Francia et al. | Applied machine learning to vehicle security | |
Guo et al. | Enhanced cyber-physical security of steering stability control system for four-wheel independent drive electric vehicles | |
JP6751049B2 (ja) | プロファイル作成システム、プロファイル作成方法、プロファイル作成プログラム及び検出装置 | |
Dutta et al. | Quantifying trust in autonomous system under uncertainties | |
Xiao et al. | Robust and self-evolving IDS for in-vehicle network by enabling spatiotemporal information | |
WO2023230434A1 (en) | Distributed anomaly detection and localization for cyber-physical systems | |
Ravindran et al. | Model-based design of cyber-physical software systems for smart worlds: a software engineering perspective | |
CN114996706B (zh) | 基于未知输入观测器的智能交通虚假数据攻击检测方法 | |
Kumar et al. | CAVIDS: Real time intrusion detection system for connected autonomous vehicles using logical analysis of data | |
Cao et al. | Anomaly Detection for In-Vehicle Network Using Self-Supervised Learning With Vehicle-Cloud Collaboration Update | |
US11498575B2 (en) | Unsupervised learning-based detection method and driver profile- based vehicle theft detection device and method using same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190627 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200709 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200813 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6751049 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |