FL-BC-IDS: 車両インターネットのための証拠ネイティブ・プライバシー配慮型階層型連合侵入検知システム
FL-BC-IDS: Evidence-Native Privacy-Aware Hierarchical Federated Intrusion Detection for the Internet of Vehicles
本論文は、車両インターネット(IoV)向けの証拠ネイティブでプライバシーに配慮した階層型連合侵入検知システム(IDS)であるFL-BC-IDSを提案する。このシステムでは、車両が差分プライバシーXGBoostモデルを学習し、路側ユニット(RSU)が決定論的な入場とツリーバギング集約を実行し、グローバル段階で検証済みRSUモデルの等加重アンサンブルを形成する。署名付きレポート、プライバシーレコード、SHA-256/Poseidonコミットメント、スコープ付きGroth16証明、再構築可能な公開入力、およびダイジェストピン留めされたブロックチェーンレシートにより、統一された検証パスが提供される。CSE-CIC-IDS2018データセットでは平均±SDの精度/F1値が0.998021±0.000246/0.983597±0.002053、CICIoV2024データセットでは0.999867±0.000152/0.999495±0.000579を記録した。厳密な保持攻撃のマクロリコールは、CSE-CIC-IDS2018で0.8031、CICIoV2024で0.9090であった。20台の車両、8ラウンドの異質性と参加ストレステストでは、精度0.998151、F1スコア0.984782を維持した。検証プロセスは、無効またはコンテキスト不一致のアーティファクトを拒否し、モデルとアンカーの一貫性、RSU集約リプレイ、コミットメント、公開入力を独立してチェックした。
- 車両インターネット向けに差分プライバシーXGBoostと階層型連合学習を用いた侵入検知システムFL-BC-IDSを提案
- CSE-CIC-IDS2018データセットで平均精度0.998021±0.000246、CICIoV2024データセットで0.999867±0.000152の高精度を達成
- SHA-256/Poseidonコミットメント、スコープ付きGroth16証明、ブロックチェーンレシートによる統一検証パスを実装
本論文は車両インターネット(IoV)向けの連合学習ベース侵入検知システムであり、差分プライバシー、ZKP(Groth16)、ブロックチェーンレシートなど暗号技術を活用した検証可能なセキュリティアーキテクチャを提案している。実データセットで99%超の高精度を達成しており、車両セキュリティ分野でのプライバシー保護型IDSの技術的進展として注目に値する。ただし学術研究段階であり、商用化や具体的な事業化の発表がないため、投資判断への直接的なインパクトは限定的。