Fugu-MT 論文翻訳(概要): Internet of Predictable Things (IoPT) Framework to Increase Cyber-Physical System Resiliency

論文の概要: Internet of Predictable Things (IoPT) Framework to Increase Cyber-Physical System Resiliency

arxiv url: http://arxiv.org/abs/2101.07816v1
Date: Tue, 19 Jan 2021 19:01:56 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:12:08.991368
Title: Internet of Predictable Things (IoPT) Framework to Increase Cyber-Physical System Resiliency
Title（参考訳）: サイバー物理システムレジリエンスを高めるための予測可能な物のインターネット(IoPT)フレームワーク
Authors: Umit Cali, Murat Kuzlu, Vinayak Sharma, Manisa Pipattanasomporn, Ferhat Ozgur Catak
Abstract要約: 本稿では,予測可能なモノのインターネット(IoPT)の概念を提案する。高度なデータ分析と機械学習手法を取り入れ、サイバーセキュリティリスクに対するサイバーフィジカルシステムのレジリエンスを高めている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: During the last two decades, distributed energy systems, especially renewable energy sources (RES), have become more economically viable with increasing market share and penetration levels on power systems. In addition to decarbonization and decentralization of energy systems, digitalization has also become very important. The use of artificial intelligence (AI), advanced optimization algorithms, Industrial Internet of Things (IIoT), and other digitalization frameworks makes modern power system assets more intelligent, while vulnerable to cybersecurity risks. This paper proposes the concept of the Internet of Predictable Things (IoPT) that incorporates advanced data analytics and machine learning methods to increase the resiliency of cyber-physical systems against cybersecurity risks. The proposed concept is demonstrated using a cyber-physical system testbed under a variety of cyber attack scenarios as a proof of concept (PoC).
Abstract（参考訳）: 過去20年間で、分散エネルギーシステム、特に再生可能エネルギー源(RES)は、電力システムの市場シェアと浸透レベルを増大させ、経済的に可能になっている。エネルギーシステムの脱炭と分散化に加えて、デジタル化も非常に重要になっている。人工知能(AI)、高度な最適化アルゴリズム、産業用IoT(Industrial Internet of Things)、その他のデジタル化フレームワークの使用により、現代の電力システム資産はよりインテリジェントになり、サイバーセキュリティのリスクに弱い。本稿では,サイバーセキュリティリスクに対するサイバー物理システムのレジリエンスを高めるために,高度なデータ分析と機械学習手法を取り入れたIoPT(Internet of Predictable Things)の概念を提案する。提案した概念は、様々なサイバー攻撃シナリオ下でテストされたサイバー物理システムを用いて、概念実証(PoC)として実証される。

関連論文リスト

Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文参考訳（メタデータ） (2024-08-02T10:47:10Z)
GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
論文参考訳（メタデータ） (2024-05-20T14:43:46Z)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Green Edge AI: A Contemporary Survey [46.11332733210337]
AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
論文参考訳（メタデータ） (2023-12-01T04:04:37Z)
Securing the Digital World: Protecting smart infrastructures and digital industries with Artificial Intelligence (AI)-enabled malware and intrusion detection [0.0]
サイバー犯罪は政府や企業市民社会に対する世界的な脅威として現れています本稿では、現代のデジタルエコシステムを保護するため、AIによるサイバー脅威検出について検討する。
論文参考訳（メタデータ） (2023-10-15T09:35:56Z)
ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With Intelligent Agents [0.0]
ANALYSEは、学習エージェントがサイバー物理エネルギーシステムにおける攻撃を自律的に見つけることができる機械学習ベースのソフトウェアスイートである。未知の攻撃タイプを見つけ、科学文献から多くの既知のサイバー物理エネルギーシステムの攻撃戦略を再現するように設計されている。
論文参考訳（メタデータ） (2023-04-21T11:36:18Z)
Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2022-11-14T01:29:09Z)
Web-Based Platform for Evaluation of Resilient and Transactive Smart-Grids [0.0]
トランスアクティブ・エナジー(TE)は、経済・制御技術を通じて、スマートグレードにおけるDERの増加を管理するための新たなアプローチである。我々は、様々なサイバー攻撃や物理的攻撃に対して、スマートグリッドのレジリエンスを評価するための包括的Webベースのプラットフォームを提案する。
論文参考訳（メタデータ） (2022-06-11T15:34:33Z)
Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文参考訳（メタデータ） (2021-07-28T10:28:05Z)
A Taxonomy of Cyber Defence Strategies Against False Data Attacks in Smart Grid [3.88835600711547]
スマートグリッドとして知られる現代の電力網は、孤立して中央制御された電力システムを高速で大規模に接続されたサイバー物理システムに急速に転換した。膨大な数のサイバー物理的エンティティの相乗効果により、スマートグリッドは世界的なエネルギー問題に対処する上で、より効果的で持続可能なものとなりました。しかし、データ完全性、機密性、可用性の侵害につながる多数の脆弱性も伴っている。
論文参考訳（メタデータ） (2021-03-30T05:36:09Z)
Machine Learning in Generation, Detection, and Mitigation of Cyberattacks in Smart Grid: A Survey [1.3299946892361474]
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。
論文参考訳（メタデータ） (2020-09-01T05:16:51Z)

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。