Cyber Security Challenges in Autonomous Vehicle: Their Impact on RF Sensor and Wireless Technologies
Notice bibliographique
Résumé
Connected and Autonomous Vehicles (CAVs) will play a crucial role in nextgeneration and intelligence cars. Autonomous Vehicles (AV) are equipped with the advanced RF and wireless communication and sensor infrastructure for supporting vehicular network. AVs not only help to empower aging populations, but also they provide a powerful, noninvasive, non-threatening modality by which to monitor, interact with, and respond to their passengers' state of being. Ten million AVs or self-driving cars will be on the road by 2020, according to an indepth report recently. Proponents of AVs say that the technology has the potential to benefit society in a range of ways, from boosting economic productivity to reducing urban congestion. However, others including some potential consumers and corporate risk managers have expressed serious concerns over the cybersecurity of the so-called fleet of the future. In this research, we will describe how to develop and implement such functionalities highly secure, trust, reliable and accurate sensors. RF sensors like radars and multitude of other types of RF sensors arrays (IoT based) are an instrumental part of the general sensor configuration required for implementing a robust cyber-security strategy and enhancing privacy in addition to the other autonomous features. There are some challenges and threats such as: : What is a new and important threat in AV and what is the difference between it and the other threat occurred in cyber space? : How can AV be attacked? : What is the difference between security and privacy mechanisms for AV? : Could the risk management be ridable to define, control, and mitigate the risk in an AV? : Could cyber-criminals remotely hijack an autonomous car's electronics with the intention of causing a crash? : Could terrorists command the vehicles similar to the weapons? : Could data stored on-board be unlocked? : Could the AV privacy and passengers be considered? : Is there any secure channel in V2V connection for AV?
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».