A Multicycle Pipelined GCM-Based AUTOSAR Communication ASIP
Notice bibliographique
Résumé
In this paper, we explore two pipeline techniques to enhance performance of communication operations in AUTomotive Open System Architecture (AUTOSAR)-based automotive electronic control units (ECUs), and securing these communication operations using an enhanced two-layer process based on the highly secure Galois/Counter Mode of Operation (GCM) algorithm. Our work is based on extending a previous work that implemented three versions of AUTOSAR communication (COM) application-specific instruction set processor (ASIP). We made two pipelined architectures on top of COM ASIP V3 (i.e. COM ASIP V4 and COM ASIP V5). These new versions of COM ASIP are able to handle all operations (i.e. transmitting signals/long signals, receiving signals/long signals, calculating hash, or verifying hash for protocol data units (PDUs) containing these signals using GCM) of our previously implemented COM ASIPs in a pipelined fashion. The experimental results show that COM ASIP V4 has a speedup of 2.25x to 2.39x over COM ASIP V3, and COM ASIP V5 has a speedup of 3.27x to 5.5x over COM ASIP V3. They also show that throughput of these new versions of COM ASIP is much more, 100x to 338x, than throughput required by Controller Area Network Flexible Data Rate (CAN FD) and FlexRay communication buses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».