Skip to content

COLTRANE-V/coltrane-v.github.io

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

21 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

COLTRANE-V

Logo 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 (MUR) italiano.

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).


🎯 Sito Web

Visita il sito ufficiale del progetto: coltrane-v.github.io


👥 Teams

Politecnico di Torino - SMILIES group

Prof. Alessandro Savino LinkedIn

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.
📧 alessandro.savino@polito.it

Dr. Luca Mannella LinkedIn

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.
📧 luca.mannella@polito.it

Università degli Studi di Catania

Prof. Maurizio Palesi LinkedIn

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.
📧 maurizio.palesi@unict.it

Elio Vinciguerra LinkedIn

Ricercatore all'Università di Catania (DIEEI). Si occupa di architetture e strumenti per valutare l'affidabilità e la sicurezza, inclusi tecniche di fault injection (es. su gem5) e metodi per le architetture emergenti.
📧 elio.vinciguerra@unict.it

Centro Alti Studi per la Difesa (CASD)

Prof. Alessio Merlo LinkedIn

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.
📧 alessio.merlo@ssuos.difesa.it


📚 Pubblicazioni

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 dal progetto COLTRANE-V:

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)

📞 Contatti

Coordinatore del Progetto:
Prof. Alessandro Savino (SMILIES - Politecnico di Torino) 📧 alessandro.savino@polito.it

Sviluppatore sito web:
Dr. Luca Mannella (SMILIES - Politecnico di Torino) 📧 luca.mannella@polito.it


🏛️ Istituzioni Partner

  • Politecnico di Torino (Coordinatore)
  • Università degli Studi di Catania
  • Centro Alti Studi per la Difesa (CASD)

© 2026 COLTRANE-V. Progetto PRIN 2022 (2022HWM3T9, 2023–2025)

Coordinato dal Politecnico di Torino (Torino, Italia) e finanziato dal Ministero dell'Università e della Ricerca (MUR) Italiano.

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Contributors 2

  •  
  •