[論文レビュー] A systematic literature review on Internet of Vehicles Security

Priyank Sharma, Meet Patel+1 more|arXiv (Cornell University)|Dec 16, 2022

Vehicular Ad Hoc Networks (VANETs)被引用数 6

ひとこと要約

この系統的文献レビューは、インターネット・オブ・ビークルズ（IoV）における主なセキュリティ脅威、すなわち偽装攻撃、プライバシー侵害、認証攻撃を特定し、認証、データ整合性、機密性を強化するための暗号技術、ブロックチェーン、エッジインテリジェンス、フェデレーテッドラーニングのソリューションを評価する。本研究の結論として、AI駆動型で分散型のアプローチ、特にフェデレーテッドラーニングとブロックチェーンは、最小限の遅延と強固なデータ保護を実現し、IoVのセキュリティを顕著に向上させると判明した。

ABSTRACT

The Internet of Vehicles IoV commonly referred to as connected automobiles is a vast network that connects various entities including users sensors and vehicles They will connect across a network to lessen traffic accidents and improve both the security and safety of smart vehicles The Internet of Vehicles is subject to a wide variety of threats including spoofing attacks recognition attacks privacy attacks and verification attacks Our the primary concern when creating any new smart gadget is the users safety which will be improved by identifying solutions to the various cyber threats Therefore we will cover the security of smart automobiles in this literature review including their attacks and solutions.

研究の動機と目的

• インターネット・オブ・ビークルズ（IoV）における一般的なセキュリティ脅威、特に偽装攻撃、プライバシー侵害、認証攻撃を特定・分類すること。
• IoVシステムにおける既存のセキュリティソリューションの実現可能性と有効性を評価すること。
• ブロックチェーン、フェデレーテッドラーニング、エッジインテリジェンスといった新技術が、IoVのセキュリティとパフォーマンスをどのように向上させるかを分析すること。
• 通信効率、燃料最適化、交通管理に焦点を当てた、今後のIoVセキュリティ分野における構造的な研究アジェンダを提示すること。
• 13件の高品質な研究を統合して比較分析や今後のイノベーションを支援するため、研究者および開発者を支援すること。

提案手法

• PRISMA指針に従い、IoVセキュリティに関する関連研究を特定・フィルタリングするための系統的文献レビュー（SLR）を実施した。
• 事前に定義された含む・除外基準を適用し、初期の24件の関連研究から13件の高品質な一次研究を選定した。
• 認証、機密性、データ整合性といったIoVセキュリティサービスへの影響に基づいて脅威を分類した。
• 暗号プロトコル、ブロックチェーンベースの取引ログ記録、低遅延処理のためのエッジコンピューティング、プライバシー保護型モデル学習のためのフェデレーテッドラーニングを用いてソリューションを評価した。
• 各ソリューションのパフォーマンスのトレードオフ、特に応答遅延、計算負荷、スケーラビリティに注目して分析した。
• 発見を統合し、IoVにおけるセキュリティ対策および今後の研究の方向性を包括的に構築したフレームワークを提示した。

実験結果

リサーチクエスチョン

• RQ1 IoVのリスクにはどのような種類があり、それぞれがどのセキュリティサービスに影響を与えるか？
• RQ2 特定されたIoV脅威を軽減するための実現可能なソリューションは何か？
• RQ3 これらのソリューションは、応答遅延、スケーラビリティ、リソース使用量といった観点で、システムのパフォーマンスにどのように影響を与えるか？
• RQ4 ブロックチェーン、フェデレーテッドラーニング、エッジインテリジェンスといった新技術が、IoVシステムのセキュリティに果たす役割は何か？
• RQ5 特に通信、燃料効率、交通管理分野において、IoVセキュリティにおける主な研究ギャップと今後の方向性は何か？

主な発見

• 本レビューでは、特にV2V通信とデータ整合性を標的とする偽装攻撃、プライバシー侵害、認識攻撃、認証攻撃が、IoVにとって最も深刻な脅威であると特定された。
• エンドツーエンド暗号化やアクセス制御といった暗号技術は、IoVシステムにおける機密性と認証を確保するために不可欠である。
• ブロックチェーン技術により、IoV取引の安全で改ざん防止のログ記録が可能となり、分散ネットワークにおける信頼性と監査可能性が向上する。
• フェデレーテッドラーニングは、車両上で機械学習モデルをローカルに学習することで、中央サーバーへのデータ転送を最小限に抑え、データ漏洩リスクを低減する。
• エッジインテリジェンスにより、リアルタイムのデータ処理と低遅延意思決定が可能となり、自動運転や交通制御といった安全が求められるアプリケーションにとって不可欠である。
• AIと分散型技術の統合は、セキュリティとパフォーマンスを顕著に向上させるが、スケーラビリティ、エネルギー効率、標準化の面で課題が残っている。