論文の概要: Unsupervised Intrusion Detection System for Unmanned Aerial Vehicle with Less Labeling Effort

• arxiv url: http://arxiv.org/abs/2011.00540v1
• Date: Sun, 1 Nov 2020 15:52:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 00:04:07.228674
• Title: Unsupervised Intrusion Detection System for Unmanned Aerial Vehicle with Less Labeling Effort
• Title（参考訳）: ラベル付け作業の少ない無人航空機の教師なし侵入検知システム
• Authors: Kyung Ho Park, Eunji Park, Huy Kang Kim
• Abstract要約: 以前の方法ではデータセットに大規模なラベル付け作業が必要だったため、モデルでは以前にトレーニングされたことのない攻撃を特定できなかった。 本稿では,教師なし学習を用いたIDSを提案する。これは,飛行データから攻撃の種類をラベル付けしないようにするものである。 我々は、良性飛行データのみを用いてオートエンコーダを訓練し、そのモデルが良性飛行と攻撃中の飛行において異なる復元損失をもたらすことを確認した。
• 参考スコア（独自算出の注目度）: 8.8519643723088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Along with the importance of safety, an IDS has become a significant task in the real world. Prior studies proposed various intrusion detection models for the UAV. Past rule-based approaches provided a concrete baseline IDS model, and the machine learning-based method achieved a precise intrusion detection performance on the UAV with supervised learning models. However, previous methods have room for improvement to be implemented in the real world. Prior methods required a large labeling effort on the dataset, and the model could not identify attacks that were not trained before. To jump over these hurdles, we propose an IDS with unsupervised learning. As unsupervised learning does not require labeling, our model let the practitioner not to label every type of attack from the flight data. Moreover, the model can identify an abnormal status of the UAV regardless of the type of attack. We trained an autoencoder with the benign flight data only and checked the model provides a different reconstruction loss at the benign flight and the flight under attack. We discovered that the model produces much higher reconstruction loss with the flight under attack than the benign flight; thus, this reconstruction loss can be utilized to recognize an intrusion to the UAV. With consideration of the computation overhead and the detection performance in the wild, we expect our model can be a concrete and practical baseline IDS on the UAV.
• Abstract（参考訳）: 安全性の重要性とともに、IDSは現実世界において重要な課題となっている。 以前の研究はuavの様々な侵入検知モデルを提案した。 過去のルールベースアプローチは、具体的なベースラインIDSモデルを提供し、機械学習ベースの手法は、教師付き学習モデルを用いて、UAV上で正確な侵入検出性能を達成した。 しかし,従来の手法には実世界で実施すべき改善の余地がある。 以前の方法はデータセットに大きなラベル付けの労力を必要とし、モデルは以前にトレーニングされなかった攻撃を識別できなかった。 これらのハードルを飛び越えるために,教師なし学習を用いたIDSを提案する。 教師なし学習はラベル付けを必要としないため、我々のモデルは実践者が飛行データからあらゆる種類の攻撃をラベル付けしないようにしている。 さらに、モデルは攻撃の種類にかかわらず、UAVの異常な状態を特定することができる。 我々は、良性飛行データのみを用いてオートエンコーダを訓練し、良性飛行と攻撃中の飛行において異なる復元損失を与えるモデルを確認した。 その結果, 本モデルでは, 航空機の進入時よりも, 攻撃時の飛行時の再建損失がはるかに大きいことが分かり, この復元損失を利用してUAVの侵入を認識できることがわかった。 宇宙空間における計算オーバーヘッドと検出性能を考慮すると,我々のモデルはUAV上の具体的で実用的なベースラインIDSとなることが期待できる。

関連論文リスト

• UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection [13.208447570946173]
  排除は、UAVベースの物体検出に挑戦する長年の困難である。 Active Object Detection (AOD)は、この目的を達成する効果的な方法を提供する。 我々は、UAV AOD問題の研究を促進するために、UAVの目視アクティブビジョンデータセットUEVAVDをリリースする。
  論文  参考訳（メタデータ） (2024-11-07T01:10:05Z)
• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• Effective Intrusion Detection for UAV Communications using Autoencoder-based Feature Extraction and Machine Learning Approach [2.3845721581271206]
  本稿では,実際のデータセットを用いた自動エンコーダによるUAVの機械学習侵入検出手法を提案する。 実験の結果,提案手法は二分法および多クラス分類タスクのベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-01T08:44:23Z)
• Model Agnostic Defense against Adversarial Patch Attacks on Object Detection in Unmanned Aerial Vehicles [0.27309692684728615]
  無人航空機(UAV)のキーコンポーネントとなる物体検出 物体探知機に対する 敵のパッチ攻撃は 上流のタスクのパフォーマンスを 著しく損なう可能性がある 本稿では,敵パッチ攻撃の脅威に対するモデル非依存防衛機構を提案する。
  論文  参考訳（メタデータ） (2024-05-29T15:19:07Z)
• usfAD Based Effective Unknown Attack Detection Focused IDS Framework [3.560574387648533]
  Internet of Things(IoT)とIndustrial Internet of Things(IIoT)は、サイバー脅威の増加につながっている。 10年以上にわたり、研究者は侵入検知システム(IDS)を開発するための教師付き機械学習技術を模索してきた。 既知のデータセット上でトレーニングされ、テストされたIDSは、ゼロデイまたは未知の攻撃を検出するのに失敗する。 我々は,攻撃の訓練サンプルを必要としない,半教師付き学習に基づくIDSのための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2024-03-17T11:49:57Z)
• Automatic UAV-based Airport Pavement Inspection Using Mixed Real and Virtual Scenarios [3.0874677990361246]
  本稿では,UAVが捉えた画像を用いて,舗装の苦悩を自動的に識別する視覚的アプローチを提案する。 提案手法は,画像の欠陥を分割する深層学習(DL)に基づいている。 合成および実訓練画像からなる混合データセットを使用することで、実アプリケーションシナリオでトレーニングモデルをテストする場合、より良い結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-11T16:30:07Z)
• Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt [80.43623986759691]
  UCADと呼ばれる新しい非教師付き連続異常検出フレームワークを提案する。 このフレームワークは、対照的に学習したプロンプトを通じて、UDAに継続的な学習能力を持たせる。 我々は総合的な実験を行い、教師なし連続異常検出とセグメンテーションのベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-01-02T03:37:11Z)
• Isolation and Induction: Training Robust Deep Neural Networks against Model Stealing Attacks [51.51023951695014]
  既存のモデル盗難防衛は、被害者の後部確率に偽りの摂動を加え、攻撃者を誤解させる。 本稿では,モデルステルス防衛のための新規かつ効果的なトレーニングフレームワークである分離誘導(InI)を提案する。 モデルの精度を損なうモデル予測に摂動を加えるのとは対照的に、我々はモデルを訓練して、盗むクエリに対して非形式的なアウトプットを生成する。
  論文  参考訳（メタデータ） (2023-08-02T05:54:01Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Adversarial defense for automatic speaker verification by cascaded self-supervised learning models [101.42920161993455]
  ますます悪意のある攻撃者は、自動話者検証(ASV)システムで敵攻撃を仕掛けようとする。 本稿では,逐次的自己教師付き学習モデルに基づく標準的かつ攻撃非依存な手法を提案する。 実験により, 本手法は効果的な防御性能を実現し, 敵攻撃に対抗できることを示した。
  論文  参考訳（メタデータ） (2021-02-14T01:56:43Z)
• Defense for Black-box Attacks on Anti-spoofing Models by Self-Supervised Learning [71.17774313301753]
  本研究では,自己指導型高水準表現の堅牢性について,敵攻撃に対する防御に利用して検討する。 ASVspoof 2019データセットの実験結果は、Mockingjayによって抽出されたハイレベルな表現が、敵の例の転送可能性を妨げることを示した。
  論文  参考訳（メタデータ） (2020-06-05T03:03:06Z)

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。