COLTRANE-V

COntinous Learning capabilities for funcTional safety Run-time threAts maNagEment in Automotive RISC-V based ECU

COLTRANE-V è un progetto PRIN 2022 (2022HWM3T9, 2023–2025) coordinato dal Politecnico di Torino e finanziato dal Ministero dell'Università e della Ricerca. Il progetto mira a rendere più affidabili le ECU automotive attraverso un approccio di continuous learning: rilevazione di guasti e attacchi e contromisure real-time su architettura RISC-V con acceleratore AI, in collaborazione con Università degli Studi di Catania e Centro Alti Studi per la Difesa (CASD).

Team

Politecnico di Torino — SMILIES group

Alessandro Savino

Prof. Alessandro Savino

Professore associato al Dipartimento di Automatica e Informatica del Politecnico di Torino, vicedirettore del gruppo. Si occupa di affidabilità e sicurezza hardware/software per sistemi safety-critical, di approximate computing e di sustainable computing.

📧 Contatta
Luca Mannella

Dr. Luca Mannella

Ricercatore post-doc al Dipartimento di Automatica e Informatica del Politecnico di Torino. Ricerca in cybersecurity, IoT e software engineering, con focus sulla sicurezza degli smart home gateway e delle piattaforme domestiche connesse.

📧 Contatta

Università degli Studi di Catania

Maurizio Palesi

Prof. Maurizio Palesi

Professore ordinario all'Università di Catania (DIEEI). Lavora su progettazione e ottimizzazione di architetture di calcolo avanzate, in particolare multi-core e Network-on-Chip, con attenzione a prestazioni ed efficienza energetica.

📧 Contatta
Elio Vinciguerra

Elio Vinciguerra

Ricercatore all'Università di Catania (DIEEI). Si occupa di architetture e strumenti per valutare affidabilità e sicurezza, incluse tecniche di fault injection (es. su gem5) e metodi per architetture emergenti.

📧 Contatta

Centro Alti Studi per la Difesa (CASD)

Alessio Merlo

Prof. Alessio Merlo

Professore ordinario presso il CASD. Si occupa di cybersecurity con un forte focus su mobile security (Android): analisi statica e dinamica, testing e tecniche di protezione. Ha guidato per anni un gruppo di ricerca in Mobile Security all'Università di Genova.

📧 Contatta

Pubblicazioni

Di seguito sono elencati gli articoli e i paper pubblicati dal team di COLTRANE-V.

2026

  • CHAOS: Controlled Hardware fAult injectOr System for gem5 — arXiv

2025

  • Real-time Embedded System Fault Injector Framework for Micro-architectural State Based Reliability Assessment — Journal of Electronic Testing (Springer) — DOI | IRIS
  • CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus — IEEE IOLTS 2025 — DOI | arXiv
  • AI-based Classification of Intentional vs. Unintentional Corruptions in the Split Computing context — IEEE IOLTS 2025 — DOI | IRIS
  • Uncovering Privacy Vulnerabilities through Analytical Gradient Inversion Attacks — Springer — DOI | arXiv
  • An Anomaly Detection Model for RISC-V in Automotive Applications: A Domain-Specific Accelerator Perspective — IEEE PDP 2025 — DOI | IEEE Xplore

2024

  • CARACAS: vehiCular ArchitectuRe for detAiled Can Attacks Simulation — IEEE ISCC 2024 — DOI | arXiv
  • R-CONV: An Analytical Approach for Efficient Data Reconstruction via Convolutional Gradients — Springer LNCS, WISE 2024 — DOI | arXiv

Repository del Progetto

Repository pubblici contenenti codice e strumenti sviluppati durante il progetto.
🔗 Visita anche la nostra organizzazione GitHub github.com/COLTRANE-V .

Nome Repository Descrizione Link Paper
CHAOS Controlled Hardware fAult injectOr System for gem5 GitHub CHAOS (2026)
SAFER-V Real-time Embedded System Fault Injector Framework for RISC-V GitHub Real-time Fault Injector (2025)
CARACAS vehiCular ArchitectuRe for detAiled Can Attacks Simulation GitHub CARACAS (2024)
R-CONV An Analytical Approach for Efficient Data Reconstruction via Convolutional Gradients GitHub R-CONV (2024)