Улучшение безопасности и доверия в сетях кооперативных автономных транспортных средств.

 CONClave: Enhancing Security and Trust in Cooperative Autonomous Vehicle Networks Cooperative Infrastructure Sensors Environments



Улучшение безопасности и доверия в сетях кооперативных автономных транспортных средств и окружающей инфраструктуры датчиков

Кооперативное взаимодействие автономных транспортных средств может значительно улучшить безопасность и эффективность дорожного движения. Однако обеспечение защиты этих систем от несанкционированных участников представляет собой значительное вызов. Это проблема не только технических решений, но и предотвращения умышленного нарушения кооперативных приложений и аварийных транспортных средств, вызывающих нарушения из-за ошибок. Обнаружение и предотвращение этих нарушений, независимо от того, умышленные они или нет, является ключевым для успешного сотрудничества автономных транспортных средств. Эта проблема расширяется до достижения консенсуса между транспортными средствами без доверенной стороны, оборудованной независимыми датчиками в каждой области сети транспортного средства.

Практические решения и ценность

Исследователи из Университета штата Аризона в Темпе, штат Аризона, США, представили CONClave, протокол сети уровня приложения, разработанный для сенсорных сетей, требующих надежных и достоверных данных в окружениях кооперативных автономных транспортных средств (CAV) и кооперативных инфраструктурных датчиков (CIS). CONClave вводит тесно связанный механизм аутентификации, консенсуса и оценки доверия, обеспечивая комплексную безопасность и надежность для кооперативного восприятия в автономных транспортных средствах. Он надежно предотвращает уязвимости безопасности, обнаруживает даже малейшие сбои в датчиках и повышает устойчивость и точность кооперативного восприятия в CAV, минимизируя издержки.

Метод CONClave представил трехэтапный процесс для достижения безопасного консенсуса и оценки доверия для надежного кооперативного вождения:

  1. Аутентификация всех участников с использованием новой схемы, использующей гомоморфное хеширование, включает производителей и государственные органы и позволяет взаимную аутентификацию без постоянной связи с доверенным RSU.
  2. Использование модифицированного протокола консенсуса Bosco для согласования значений датчиков, представленных каждым участником, обеспечивая, что сбои в связи не проявляются как ошибки в выходных данных.
  3. Применение метода оценки доверия к полученному набору датчиков, используя параметризованные значения точности датчиков вместо значений уверенности камеры.

Производительность CONClave оценивается по сравнению с методом оценки доверия TruPercept, используя сценарии сбоев и злонамеренных вмешательств на моделях автономных транспортных средств масштаба 1/10. CONClave продемонстрировал превосходные показатели обнаружения во всех категориях: 96,7% для внешних сбоев датчиков, 83,5% для программных сбоев, 67,3% для злонамеренных вмешательств и удалений и 100% для сбоев в связи и злонамеренных вмешательств. Кроме того, среднее время обнаружения CONClave было в среднем в 1,83 раза быстрее и до 6,23 раз быстрее в наилучшем случае по сравнению с TruPercept.

В данной статье исследователи предложили CONClave, метод для обеспечения безопасности кооперативных приложений на основе восприятия в связанных автономных транспортных средствах. Он содержит три ключевых компонента: метод аутентификации, раунд консенсуса и метод оценки доверия, и все они сопряжены для работы в реальном времени. CONClave продемонстрировал превосходную производительность по сравнению с методом TruPercept, обнаруживая широкий спектр сбоев и ошибок, включая злонамеренные и непреднамеренные, при работе на более высоких скоростях. Будущие исследования будут направлены на улучшение возможностей CONClave для охвата всех ситуаций кооперативного вождения, включая те, которые требуют оценки доверия для планирования маршрута.

Проверьте статью. Вся заслуга за это исследование принадлежит исследователям этого проекта.

Если вам нравится наша работа, вы полюбите нашу рассылку.

Не забудьте присоединиться к нашему 50k+ ML SubReddit.

БЕСПЛАТНЫЙ ВЕБИНАР ПО ИИ: “SAM 2 для видео: Как настроить на ваших данных” (Ср, 25 сентября, 4:00 – 4:45 EST)

Источник: MarkTechPost

Применение искусственного интеллекта (ИИ) в вашем бизнесе

Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте CONClave: Enhancing Security and Trust in Cooperative Autonomous Vehicle Networks Cooperative Infrastructure Sensors Environments.

Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизации: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.

Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.

Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.

На полученных данных и опыте расширяйте автоматизацию.

Если вам нужны советы по внедрению ИИ, пишите нам на Telegram.

Попробуйте ИИ ассистент в продажах здесь. Этот ИИ ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.

Узнайте, как ИИ может изменить ваши процессы с решениями от Flycode.ru


Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Создание индивидуального клиента MCP с использованием Gemini

    Создание клиентского приложения Model Context Protocol (MCP) с использованием Gemini Практические бизнес-решения Создание клиентского приложения MCP с использованием Gemini позволяет интегрировать искусственный интеллект в бизнес-процессы. Это улучшает взаимодействие с клиентами, оптимизирует рабочие процессы…

  • Улучшение многомодального обучения: рамки UniME

    Введение в многомодальное представление данных Многомодальное представление данных – это новая область в искусственном интеллекте, которая объединяет различные типы данных, такие как текст и изображения, для создания более полных и точных моделей. Один…

  • Модель THINKPRM: Преобразование бизнеса с помощью ИИ

    Преобразование бизнеса с помощью ИИ: Модель THINKPRM Введение в THINKPRM Модель THINKPRM (Generative Process Reward Model) представляет собой значительное достижение в верификации процессов рассуждения с использованием искусственного интеллекта. Эта модель повышает эффективность и…

  • Улучшение бизнеса с помощью разговорного ИИ

    “`html Улучшение бизнеса с помощью разговорного ИИ Введение в вызов функций в разговорном ИИ Вызов функций — это мощная возможность, которая позволяет большим языковым моделям (LLM) связывать естественные языковые запросы с реальными приложениями,…

  • VERSA: Инновационный инструмент для оценки аудиосигналов

    Введение в VERSA: Современный инструмент для оценки аудио Команда WAVLab представила VERSA, инновационный и комплексный набор инструментов для оценки речи, аудио и музыкальных сигналов. С развитием искусственного интеллекта, который генерирует аудио, необходимость в…

  • Alibaba Qwen3: Новое Поколение Языковых Моделей

    Введение в Qwen3: Новая эра в больших языковых моделях Команда Alibaba Qwen недавно представила Qwen3, последнее достижение в серии больших языковых моделей (LLMs). Qwen3 предлагает новый набор моделей, оптимизированных для различных приложений, включая…

  • ViSMaP: Инновационное решение для автоматизации суммирования длинных видео

    Преобразование видео: ViSMaP ViSMaP представляет собой инновационный подход к обобщению длинных видео без необходимости в дорогих аннотациях. Это решение может значительно улучшить бизнес и повседневную жизнь, а именно: Преимущества ViSMaP Сокращение временных затрат…

  • Эффективное управление контекстом для больших языковых моделей

    Модель Контекстного Протокола: Улучшение Взаимодействия с ИИ Введение Эффективное управление контекстом является ключевым при использовании больших языковых моделей (LLMs). Этот документ предлагает практическую реализацию Модели Контекстного Протокола (MCP), сосредоточенную на семантическом делении, динамическом…

  • Запуск DeepWiki: ИИ-инструмент для понимания репозиториев GitHub

    Введение в DeepWiki Devin AI представил DeepWiki — бесплатный инструмент, который генерирует структурированную документацию для репозиториев GitHub. Этот инновационный инструмент упрощает понимание сложных кодовых баз, что облегчает жизнь разработчикам, работающим с незнакомыми проектами.…

  • Эффективные модели Tina для улучшения обучения с подкреплением

    Введение Современные бизнесы сталкиваются с вызовами в области многослойного рассуждения, особенно в научных исследованиях и стратегическом планировании. Традиционные методы, такие как узконаправленное обучение, требуют значительных затрат и могут приводить к поверхностному обучению. Однако…

  • FlowReasoner: Персонализированный Мета-Агент для Многоагентных Систем

    Введение в FlowReasoner Недавние достижения в области искусственного интеллекта привели к разработке FlowReasoner, мета-агента, который автоматизирует создание персонализированных многопользовательских систем, адаптированных к запросам пользователей. Это значительно повышает эффективность и масштабируемость. Проблемы в текущих…

  • Руководство Microsoft по режимам отказа в агентных системах ИИ

    Введение Понимание и управление рисками в системах агентного ИИ могут значительно улучшить бизнес-процессы и повысить доверие клиентов. Ниже представлены практические решения, которые помогут в этом. Практические бизнес-решения Создание надежных систем агентного ИИ требует…

  • Автономные пайплайны анализа данных с PraisonAI

    Создание полностью автономных потоков анализа данных с PraisonAI Введение В этом руководстве описывается, как бизнес может улучшить процессы анализа данных, перейдя от ручного кодирования к полностью автономным потокам данных, управляемым ИИ. Используя платформу…

  • QuaDMix: Инновационная Оптимизация Качества и Разнообразия Данных в AI

    Практические бизнес-решения с использованием QuaDMix Имплементация QuaDMix может существенно улучшить AI-приложения благодаря следующим ключевым аспектам: 1. Упрощение кураторства данных Используйте QuaDMix для поддержания высокого качества данных без жертвы разнообразием, что приведет к более…

  • Оптимизация методов масштабирования для повышения эффективности reasoning в языковых моделях

    “`html Оптимизация Производительности Размышлений в Языковых Моделях: Практические Бизнес-Решения Понимание Методов Масштабирования во Время Вывода Языковые модели могут выполнять множество задач, но часто сталкиваются с трудностями при сложном размышлении. Методы масштабирования вычислений во…

  • Интеграция API Gemini с агентами LangGraph для оптимизации рабочих процессов ИИ

    Улучшение рабочих процессов с помощью интеграции Arcade и Gemini API Этот документ описывает, как преобразовать статические разговорные интерфейсы в динамичных, действующих ИИ-ассистентов с использованием Arcade и Gemini Developer API. Используя набор готовых инструментов,…

  • СоциоВерс: Революционная Модель Социальной Симуляции на Основе LLM

    Использование ИИ для Социальной Симуляции: Инициатива SocioVerse Введение в SocioVerse Исследователи из Университета Фудань разработали SocioVerse, инновационную модель мира, использующую агентов на основе больших языковых моделей (LLM) для симуляции социальных динамик. Эта модель…

  • Токен-Шаффл: Революция в генерации высококачественных изображений с помощью трансформеров

    Введение в Token-Shuffle Meta AI представила инновационный метод, известный как Token-Shuffle, который повышает эффективность генерации изображений в авторегрессионных (AR) моделях. Этот подход решает вычислительные задачи, связанные с созданием изображений высокого разрешения, что может…