論文の概要: Machine Learning in Generation, Detection, and Mitigation of
Cyberattacks in Smart Grid: A Survey
- arxiv url: http://arxiv.org/abs/2010.00661v1
- Date: Tue, 1 Sep 2020 05:16:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 01:00:39.421871
- Title: Machine Learning in Generation, Detection, and Mitigation of
Cyberattacks in Smart Grid: A Survey
- Title（参考訳）: スマートグリッドにおけるサイバー攻撃の発生・検出・軽減における機械学習
- Authors: Nur Imtiazul Haque, Md Hasan Shahriar, Md Golam Dastgir, Anjan
Debnath, Imtiaz Parvez, Arif Sarwat, Mohammad Ashiqur Rahman
- Abstract要約: スマートグリッド(スマートグリッド、英: Smart grid、SG)は、現代のサイバー・物理機器を利用した複雑なサイバー物理システムである。
サイバー攻撃は、最先端のシステムの使用と進歩に直面する主要な脅威である。
機械学習(ML)は、攻撃者やシステムオペレーターによるSGのサイバー攻撃を悪用し、防御するために使用されている。
- 参考スコア（独自算出の注目度）: 1.3299946892361474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart grid (SG) is a complex cyber-physical system that utilizes modern cyber
and physical equipment to run at an optimal operating point. Cyberattacks are
the principal threats confronting the usage and advancement of the
state-of-the-art systems. The advancement of SG has added a wide range of
technologies, equipment, and tools to make the system more reliable, efficient,
and cost-effective. Despite attaining these goals, the threat space for the
adversarial attacks has also been expanded because of the extensive
implementation of the cyber networks. Due to the promising computational and
reasoning capability, machine learning (ML) is being used to exploit and defend
the cyberattacks in SG by the attackers and system operators, respectively. In
this paper, we perform a comprehensive summary of cyberattacks generation,
detection, and mitigation schemes by reviewing state-of-the-art research in the
SG domain. Additionally, we have summarized the current research in a
structured way using tabular format. We also present the shortcomings of the
existing works and possible future research direction based on our
investigation.
- Abstract（参考訳）: smart grid (sg) は複雑なサイバー物理システムであり、現代のサイバー機器と物理機器を最適な操作ポイントで動作させる。
サイバー攻撃は最先端のシステムの使用と進歩に直面する主要な脅威である。
sgの進歩により、システムの信頼性、効率性、コスト効率を高めるために、幅広い技術、機器、ツールが追加された。
これらの目標を達成したにもかかわらず、サイバーネットワークの広範な実装のため、敵攻撃の脅威空間も拡大された。
有望な計算能力と推論能力のため、機械学習(ML)は攻撃者とシステムオペレーターによるSGのサイバー攻撃をそれぞれ利用し、防御するために使用されている。
本稿では,sgドメインにおける最先端の研究を概観し,サイバー攻撃の発生,検出,緩和に関する包括的概要を述べる。
さらに,本研究を表形式を用いて構造化した方法で要約した。
また,既存の研究の欠点と今後の研究の方向性についても検討した。
関連論文リスト
- Countering Autonomous Cyber Threats [40.00865970939829]
ファンデーションモデルは、サイバードメイン内で広く、特に二元的関心事を提示します。
近年の研究では、これらの先進的なモデルが攻撃的なサイバースペース操作を通知または独立に実行する可能性を示している。
この研究は、孤立したネットワークでマシンを妥協する能力について、最先端のいくつかのFMを評価し、そのようなAIによる攻撃を倒す防御メカニズムを調査する。
論文 参考訳（メタデータ） (2024-10-23T22:46:44Z) - Generative AI in Cybersecurity [0.0]
生成人工知能(GAI)は、データ分析、パターン認識、意思決定プロセスの分野を変える上で重要な役割を担っている。
GAIは急速に進歩し、サイバーセキュリティプロトコルや規制フレームワークの現在のペースを超越している。
この研究は、マルウェア生成におけるGAIの高度な利用に対抗するために、より複雑な防衛戦略を積極的に特定し、開発する組織にとって重要な必要性を強調している。
論文 参考訳（メタデータ） (2024-05-02T19:03:11Z) - Towards Automated Generation of Smart Grid Cyber Range for Cybersecurity Experiments and Training [8.492135678037787]
我々は、SG-MLと呼ばれるXMLベースの言語を用いて、スマートグリッドサイバーレンジをモデル化するフレームワークを開発した。
このフレームワークは、サイバーセキュリティの研究開発とハンズオン演習を促進するために、より広範なユーザーベースにスマートグリッドサイバーレンジを提供することを目的としている。
論文 参考訳（メタデータ） (2024-04-01T02:34:53Z) - The Role of Deep Learning in Advancing Proactive Cybersecurity Measures
for Smart Grid Networks: A Survey [1.0589208420411014]
本研究では,スマートグリッドにおけるディープラーニング(DL)を活用した積極的なサイバー防御戦略について検討する。
DL対応のプロアクティブディフェンスに焦点が当てられ、SGのプロアクティブディフェンスにおける役割と関連性を強調している。
調査では,DLベースのセキュリティシステムをSG内に展開する上での課題がリストアップされている。
論文 参考訳（メタデータ） (2024-01-11T13:14:40Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳（メタデータ） (2023-04-02T08:43:03Z) - Artificial Intelligence-Based Smart Grid Vulnerabilities and Potential
Solutions for Fake-Normal Attacks: A Short Review [0.0]
スマートグリッドシステムは電力業界にとって重要なものだが、その高度なアーキテクチャ設計と運用によって、多くのサイバーセキュリティの脅威にさらされている。
人工知能(AI)ベースの技術は、さまざまなコンピュータ設定でサイバー攻撃を検出することで、ますます人気が高まっている。
現在のAIシステムは、GAN(Generative Adversarial Networks)のような高度な敵系が最近出現したため、公開され、消滅している。
論文 参考訳（メタデータ） (2022-02-14T21:41:36Z) - Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the
Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。
我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。
攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文 参考訳（メタデータ） (2021-11-23T23:42:16Z) - A Framework for Evaluating the Cybersecurity Risk of Real World, Machine
Learning Production Systems [41.470634460215564]
我々はML生産システムにサイバー攻撃を組み込むMulVAL攻撃グラフ生成および分析フレームワークの拡張を開発する。
提案された拡張を使用することで、セキュリティ実践者はMLコンポーネントを含む環境にアタックグラフ分析手法を適用することができる。
論文 参考訳（メタデータ） (2021-07-05T05:58:11Z) - A System for Efficiently Hunting for Cyber Threats in Computer Systems
Using Threat Intelligence [78.23170229258162]
ThreatRaptorは、OSCTIを使用してコンピュータシステムにおけるサイバー脅威ハンティングを容易にするシステムです。
ThreatRaptorは、(1)構造化OSCTIテキストから構造化された脅威行動を抽出する非監視で軽量で正確なNLPパイプライン、(2)簡潔で表現力のあるドメイン固有クエリ言語であるTBQLを提供し、悪意のあるシステムアクティビティを探し、(3)抽出された脅威行動からTBQLクエリを自動的に合成するクエリ合成メカニズムを提供する。
論文 参考訳（メタデータ） (2021-01-17T19:44:09Z) - Review: Deep Learning Methods for Cybersecurity and Intrusion Detection
Systems [6.459380657702644]
人工知能(AI)と機械学習(ML)はサイバー防衛の鍵となる技術として活用することができる。
本稿では,ネットワーク侵入検出に使用される様々な深層学習手法について検討する。
論文 参考訳（メタデータ） (2020-12-04T23:09:35Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳（メタデータ） (2020-07-05T18:22:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。