このケーススタディでは、EdgeAI の脅威検知技術が、コネクテッドカーの効率向上とコスト削減にどのように寄与するかを検証します。従来の「クラウドファースト」型のサイバーセキュリティモデルには、コスト上昇、誤検知、頻繁な更新の必要性といった課題があります。VicOneのGenAIを活用した車載侵入検知システムは、「Sonatus AI Director」と連携し、車両のテレメトリデータをローカルで分析することで、セキュリティリスクを早期に特定し、クラウドへの負荷と誤検知を低減します。
事例研究
Sonatus のAI Director上で動作する、VicOneのGenAIベースの車内侵入検知システム
ケーススタディを読む
よくある質問
クラウドファーストモデルは、すべての車両から膨大な量の生テレメトリデータやイベントデータを、一元化されたセキュリティセンター（VSOC）に継続的にアップロードすることに依存しています。これにより、車両台数が増えるにつれて、3つの重大な問題が生じます：
- コストの急増：アップロードされるデータ量が膨大になるにつれて、ストレージやデータ転送の費用が急騰します。
- 誤警報の氾濫：単純な車両の不具合がサイバー攻撃と誤認されるなど、重要度の低いアラートがVSOCチームに殺到し、アナリストの時間を浪費しています。
- 新たな脅威への対応遅延：頻繁な車両ソフトウェアの更新により「動く標的」が生まれ、セキュリティチームはクラウドベースの検知手法を絶えず調整せざるを得なくなり、その結果、実際の脅威への対応が遅れてしまいます。
静的なルールベースのシステムとは異なり、VicOneのソリューションは、車両のハードウェア（「エッジ」）上で直接動作するGenAIベースの脅威モデルを採用しています。
- コンテキスト分析：CANバスのアクティビティ、イーサネットパケット、システムログなど、複数のECUにわたるデータを相互に関連付け、従来の方法では見逃されがちな複雑で文脈に即した攻撃パターンを明らかにします。
- 新規脅威の検出：この豊富なクロスドメインデータをローカルで分析することで、既知のシグネチャとの照合にとどまらず、これまでに確認されたことのない「新規脅威」（ゼロデイ攻撃）を特定することができます。
VicOneの「AI 」と「Sonatus 」プラットフォームを組み合わせることで、測定可能な効率化とコスト削減を実現します：
- クラウドコストを60％削減：データをローカルで処理し、要約された関連性の高いアラートのみをアップロードすることで、データ転送料や処理料を大幅に削減します。
- トリアージの高速化（80％）：システムが誤検知を事前にフィルタリングし、質が高く実用的なインサイトを提供するため、セキュリティアナリストはノイズの選別にかかる時間を削減できます。
- 包括的なカバー範囲：脅威の検出範囲を単一のECUから車両全体へと拡大し、API呼び出しからCPU使用率に至るまで、あらゆる要素を監視して不審な活動を検知します。
