MétaCan
Menu
Retour à la cohorte
Enregistrement W4406071959 · doi:10.1016/j.geits.2025.100262

Enhancing security in the ISO 15118–20 EV charging system

2025· article· en· W4406071959 sur OpenAlexaff
Ross Porter, Morteza Biglari-Abhari, Benjamin Tan, Duleepa J. Thrimawithana

Notice bibliographique

RevueGreen Energy and Intelligent Transportation · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSafety Systems Engineering in Autonomy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer securityBusinessSecurity systemComputer science

Résumé

récupéré en direct d'OpenAlex

Electric Vehicle (EV) ‘DC Fast Charging’ systems directly connect an EV’s battery to an external charger. A compromised EV charger may damage the EV or be used as part of a demand-side power grid attack. We show that the newest charging standard ISO 15118-20 is not sufficient to prevent charging attacks, as it provides no mechanism to verify charger integrity. We present system and threat models for the attack, before defining an extension to ISO 15118-20 that adds support for firmware integrity verification through remote attestation, while remaining interoperable with non-supporting devices. A proof of concept implementation demonstrates the security improvement by protecting against the specified attack while requiring only 85 bytes of secure storage, 8kB of working memory, and adding less than 0.5 seconds to the length of a charging session. Backwards compatibility with an implementation of the original standard is also demonstrated. • A system and threat model is developed for ISO 15118-20 EV charging • ISO 15118-20 is shown to be insufficient to protect against existing attacks • We develop a remote attestation protocol within ISO 15118-20 to improve security • An experimental platform tests interoperability and evaluates performance overheads

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,191
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreen Energy and Intelligent TransportationMême sujetSafety Systems Engineering in AutonomyTravaux en français237 207