Датасет CANTraj: маршрут авто восстанавливают по CAN-сигналам без GPS

Датасет CANTraj: маршрут авто восстанавливают по CAN-сигналам без GPS

Открытые наборы данных о вождении и программы страхования по стилю вождения (usage-based insurance) нередко утверждают, что защищают приватность, просто не записывая GPS-координаты. Авторы статьи на Hugging Face возражают: удаление координат из журналов поездок не стирает информацию о местоположении, которую несут сигналы автомобиля. Раньше уже показывали, что скорость, руление и события в движении можно сопоставить с дорожной сетью и так восстановить траекторию. Но, по словам авторов, такие работы опирались на разные исходные допущения и метрики и проверялись лишь на небольших закрытых наборах, поэтому их результаты трудно сравнивать, а эффективность в реальных условиях остаётся неясной.

Чтобы это исправить, авторы выпустили два ресурса. CANTraj, набор данных о естественном вождении: расшифрованные события CAN-шины совмещены по времени с GNSS-траекториями (3 940 поездок, 454 водителя). CANTraj-Bench, бенчмарк для оценки восстановления траектории: 3 675 поездок, 431 водитель, 1 380 часов, 85 919 км. Сравнение шести заново реализованных атак и базовых методов проведено на 776 оценочных поездках 94 водителей, которых не было в обучающих данных. Условия доступа к информации заданы явными протоколами, сравнения парные, а метрики учитывают и неудачи.

Главный вывод экспериментов: больше всего даёт сочетание сигналов руления с ограничениями дорожной сети. При известных старте и направлении добавление руления к скорости поднимает долю восстановленных пятиминутных маршрутов у онлайн-фильтра по карте с 56% до 87%. Медианная средняя ошибка смещения у него составляет 43 м против 921 м у счисления пути без карты. Офлайн-поиск по лучу (beam search) восстанавливает 88% тестовых маршрутов при известном направлении и 81% без него.

Поскольку разные методы ошибаются на разных окнах, авторы дополнительно проверили схему на основе языковой модели (LLM), которая выбирает один из маршрутов-кандидатов. Её оценили на 659 пятиминутных окнах. Лучшая конфигурация восстанавливает 79% маршрутов на тесте и 83% на few-shot (с несколькими примерами в подсказке): на тесте это лучше лучшего базового метода, на few-shot, на его уровне. Данные и код опубликованы на Hugging Face и GitHub.

Ключевые факты

  • CANTraj, датасет с расшифрованными событиями CAN-шины и синхронными GNSS-траекториями: 3 940 поездок, 454 водителя; бенчмарк CANTraj-Bench, 3 675 поездок, 431 водитель, 1 380 часов, 85 919 км.
  • Шесть заново реализованных атак сравнили на 776 оценочных поездках 94 водителей, которых не было в обучении; руление вместе с ограничениями дорожной сети даёт наибольший выигрыш.
  • При известных старте и направлении добавление руления к скорости поднимает пятиминутное восстановление маршрута у онлайн-фильтра по карте с 56% до 87%; медианная ошибка 43 м против 921 м у счисления пути без карты.
  • Офлайн-поиск по лучу восстанавливает 88% тестовых маршрутов с известным направлением и 81% без него.
  • Схема с LLM, выбирающая среди кандидатов на 659 пятиминутных окнах, в лучшей конфигурации восстанавливает 79% маршрутов на тесте и 83% на few-shot.

Почему это важно

Идея «уберём GPS, и данные безопасны» встречается в открытых релизах данных о вождении и в программах страхования по стилю вождения. Работа проверяет её на крупном общем наборе: по авторам, прежние исследования использовали несопоставимые допущения и метрики и малые закрытые наборы. CANTraj и CANTraj-Bench дают единые протоколы доступа к информации и метрики, учитывающие неудачи, так что атаки можно сравнивать между собой. Результат: по одним лишь скорости и рулению маршрут часто восстанавливается, хотя координат в данных нет.

Кому это важно

Тем, кто публикует или собирает данные о вождении: авторам открытых датасетов и командам, которые работают с телеметрией автомобилей. Также исследователям приватности и безопасности, которым нужна общая точка отсчёта для оценки атак по восстановлению маршрута. Водителям результат интересен как напоминание: данные сигналов автомобиля могут нести сведения о маршруте и без GPS.

Как это применить

Данные размещены по адресу huggingface.co/datasets/HenryYHW/CANTraj, код, на github.com/WangYuHang-cmd/GPS--CAN. Их можно использовать как бенчмарк: прогнать собственный метод восстановления маршрута или проверить, раскрывает ли местоположение набор сигналов, который планируется публиковать. Условия лицензии и стоимость в тексте не указаны.

Можно ли доверять

Источник, аннотация статьи на Hugging Face, полного текста у нас нет, поэтому методика и детали экспериментов не проверялись. Цифры приведены самими авторами. В тексте нет даты, площадки публикации и имён авторов: только имена HenryYHW и WangYuHang-cmd в путях к данным и коду. Не сказано, из какой страны поездки, какие автомобили, дорожные сети и стандарты CAN-шины использованы. Не названа и модель, применённая в схеме с LLM.

Риски и подводные камни

Показатель 56% → 87% относится к случаю с известными стартом и направлением; без этих сведений результат может быть иным. Сравнение 43 м против 921 м, это медианная средняя ошибка смещения, а не среднее значение. Атаки оценены на собственном датасете авторов: в источнике не сказано, что атаковали реальную страховую программу или чужой открытый набор данных. Защиты или способы смягчения в статье не предлагаются и не оцениваются. Преимущество схемы с LLM подтверждено на тесте, а на few-shot она лишь сравнялась с лучшим базовым методом.