車両インターネットの進化するセキュリティ:古典的機械学習から大規模言語モデル、敵対的頑健性、説明可能なAIまでのサーベイ
The Evolving Security of the Internet of Vehicles: A Survey from Classical Machine Learning to Large Language Models, Adversarial Robustness, and Explainable AI
車両インターネット(IoV)は、車両、路傍インフラ、クラウド/エッジプラットフォームを接続し、安全で効率的な輸送を支援する。この接続性は、メッセージスプーフィング、サービス拒否、中間者攻撃などのサイバー攻撃に加え、モデル汚染、勾配反転、敵対的サンプルなどの機械学習防御自体を標的とする脅威に車両ネットワークをさらす。機械学習と深層学習が主要な防御ツールとなっているが、関連文献は膨大かつ断片的である。本サーベイは、文書化されたデータベース検索と明示された包含基準を用いて、これらの文献をレビューする。対象となった研究は、それぞれが対処する主要なセキュリティ設計問題によって定義される3つのカテゴリに分類される。カテゴリは、古典的な検出と防止、連合学習とブロックチェーンに基づく分散型セキュリティ、および大規模言語モデル(LLM)駆動型検出、敵対的頑健性、説明可能な人工知能の保証方向をカバーする。報告されたスコアをプールするのではなく、各研究の評価設定を記録する。これにより、重複排除、クラスバランス調整、メトリック集計が、報告されたパフォーマンスの明白な変動の多くを占めていることが示される。研究レベルの評価では、レビューされた研究のいずれも3つの保証能力のうち1つ以上を示しておらず、車両トラフィックで評価された検出器は敵対的摂動に対してテストされていないことが判明した。サーベイは、カテゴリ間の比較、EU AI法への準拠評価、および将来の研究への推奨事項で締めくくられる。
- 車両インターネット(IoV)は車両・路傍インフラ・クラウド/エッジを接続し、メッセージスプーフィング、サービス拒否、中間者攻撃に加え、モデル汚染・勾配反転・敵対的サンプルなど機械学習防御自体を狙う脅威に晒される。
- 文献サーベイにより、既存研究は(1)古典的な検出と防止、(2)連合学習とブロックチェーンに基づく分散型セキュリティ、(3)LLM駆動型検出・敵対的頑健性・説明可能AIの保証、の3カテゴリに分類される。
- 報告スコアを単純にプールせず各研究の評価設定を記録した結果、重複排除・クラスバランス調整・メトリック集計の違いが、報告性能の見かけ上の変動の多くを説明することが示された。
- 研究レベルの評価で、レビュー対象研究のいずれも3つの保証能力(敵対的頑健性・説明可能性・プライバシー等)のうち1つ以上を備えておらず、車両トラフィックで評価された検出器は敵対的摂動に対して未テストであることが判明した。
- サーベイはカテゴリ間比較とEU AI法への準拠評価、将来研究方向の提言で締めくくられている。
本記事は車両インターネット(IoV)のセキュリティ研究を体系的に整理したサーベイであり、個別企業の発表や製品化ではないため直接の投資トリガーは乏しい。ただし、車載コネクティビティの攻撃面がメッセージスプーフィングやDoS、中間者攻撃に加え、モデル汚染・勾配反転・敵対的サンプルといった機械学習サプライチェーン側へ拡大している点は、SDV(ソフトウェア定義車両)の安全認証コストとセキュリティ関連スタートアップの需要を読む上で重要。レビュー対象研究のいずれも敵対的頑健性・説明可能性・プライバシー保証を十分に備えておらず、車両トラフィックで評価された検出器が敵対的摂動で未検証という指摘は、車載セキュリティ検証・認証市場に未充足のギャップがあることを示す。EU AI法準拠評価の論点も、欧州向けに車両/自動運転を展開する事業者の規制対応コストを見積もる材料になる。