論文の概要: Code Integrity Attestation for PLCs using Black Box Neural Network Predictions

• arxiv url: http://arxiv.org/abs/2106.07851v1
• Date: Tue, 15 Jun 2021 03:09:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 14:59:38.653461
• Title: Code Integrity Attestation for PLCs using Black Box Neural Network Predictions
• Title（参考訳）: black box neural network predictionsを用いたplcのコード完全性検証
• Authors: Yuqi Chen, Christopher M. Poskitt, Jun Sun
• Abstract要約: プライバシ保護ブラックボックスモデルに基づく実用的なコード整合性チェックソリューションを提案する。 モデルのブラックボックスの性質を活用することで、当社のソリューションは元のPLCコードのプライバシを維持することができる。 筆者らは, 現代の6段水処理プラント試験場において, PLC入力からアクチュエータ状態をほぼ100%精度で予測できることを発見した。
• 参考スコア（独自算出の注目度）: 6.328987417919762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber-physical systems (CPSs) are widespread in critical domains, and significant damage can be caused if an attacker is able to modify the code of their programmable logic controllers (PLCs). Unfortunately, traditional techniques for attesting code integrity (i.e. verifying that it has not been modified) rely on firmware access or roots-of-trust, neither of which proprietary or legacy PLCs are likely to provide. In this paper, we propose a practical code integrity checking solution based on privacy-preserving black box models that instead attest the input/output behaviour of PLC programs. Using faithful offline copies of the PLC programs, we identify their most important inputs through an information flow analysis, execute them on multiple combinations to collect data, then train neural networks able to predict PLC outputs (i.e. actuator commands) from their inputs. By exploiting the black box nature of the model, our solution maintains the privacy of the original PLC code and does not assume that attackers are unaware of its presence. The trust instead comes from the fact that it is extremely hard to attack the PLC code and neural networks at the same time and with consistent outcomes. We evaluated our approach on a modern six-stage water treatment plant testbed, finding that it could predict actuator states from PLC inputs with near-100% accuracy, and thus could detect all 120 effective code mutations that we subjected the PLCs to. Finally, we found that it is not practically possible to simultaneously modify the PLC code and apply discreet adversarial noise to our attesters in a way that leads to consistent (mis-)predictions.
• Abstract（参考訳）: サイバー物理システム(CPS)はクリティカルドメインに広く普及しており、攻撃者がプログラム可能なロジックコントローラ(PLC)のコードを変更することができれば、重大なダメージが生じる可能性がある。 残念なことに、コードの整合性(すなわち)を証明する従来のテクニックです。 修正されていないことを確認する) ファームウェアアクセスやルート・オブ・トラストに依存しており、どちらのプロプライエタリなPLCもレガシーなPLCも提供しない。 本稿では,プライバシ保護ブラックボックスモデルに基づく実用的なコード整合性チェックソリューションを提案し,その代わりにPLCプログラムの入出力動作を検証した。 PLCプログラムの忠実なオフラインコピーを使用して、情報フロー分析を通じて最も重要な入力を識別し、複数の組み合わせで実行してデータを収集し、PLC出力を予測するニューラルネットワークを訓練する。 アクチュエータコマンド) 入力から。 このモデルのブラックボックスの性質を利用して、我々のソリューションは元のplcコードのプライバシーを維持し、攻撃者がその存在を知らないと仮定しない。 その代わり、信頼はPLCコードとニューラルネットワークを同時に攻撃し、一貫した結果をもたらすことが極めて難しいという事実から来ている。 筆者らは, 現代の6段水処理プラント試験場において, PLC入力からアクチュエータ状態をほぼ100%精度で予測し, 有効コード変異を120個検出できることを確認した。 最後に,PLCコードを同時に修正し,不整合(ミス-)予測につながるような離散逆ノイズを検査者に適用することは事実上不可能であることがわかった。

関連論文リスト

• Agents4PLC: Automating Closed-loop PLC Code Generation and Verification in Industrial Control Systems using LLM-based Agents [27.097029139195943]
  Agents4PLCは、PLCコード生成とコードレベルの検証を自動化する新しいフレームワークである。 まず、検証可能なPLCコード生成領域のベンチマークを作成する。 そして、自然言語の要件から、人間によって記述された形式仕様と参照PLCコードへ移行する。
  論文  参考訳（メタデータ） (2024-10-18T06:51:13Z)
• A Verifiable Computing Scheme for Encrypted Control Systems [0.0]
  雲から受信した制御信号の正しさを検証することが必須である。 ゼロ知識証明手法のような従来の検証手法は、証明生成と検証の両方で計算的に要求される。 本稿では,確率論的カット・アンド・チョース法に着想を得た,計算的に安価で検証可能な新しい計算ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-05-28T21:06:39Z)
• Physical Layer Authentication Using Information Reconciliation [20.54391139132056]
  本稿では,従来のアプローチを補完する物理層認証(PLA)を提案する。 PLAの精度と一貫性は、異なるタイムスロット間の無線チャネル実現のランダムなばらつきによって影響を受ける。 特に,極性符号を用いた分散音源符号化(Slepian-Wolf)の整合性を導入し,チャネル計測を時間内に整合させる。
  論文  参考訳（メタデータ） (2024-04-19T13:20:13Z)
• Fact-Checking the Output of Large Language Models via Token-Level Uncertainty Quantification [116.77055746066375]
  大型言語モデル(LLM)は幻覚、すなわちその出力に誤った主張を生じさせることで有名である。 本稿では,トークンレベルの不確実性定量化に基づくファクトチェックと幻覚検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-07T17:44:17Z)
• Zero-Shot Detection of Machine-Generated Codes [83.0342513054389]
  本研究は,LLMの生成したコードを検出するためのトレーニング不要な手法を提案する。 既存のトレーニングベースまたはゼロショットテキスト検出装置は、コード検出に効果がないことがわかった。 本手法は,リビジョン攻撃に対する堅牢性を示し,Javaコードによく適応する。
  論文  参考訳（メタデータ） (2023-10-08T10:08:21Z)
• PEOPL: Characterizing Privately Encoded Open Datasets with Public Labels [59.66777287810985]
  プライバシとユーティリティのための情報理論スコアを導入し、不誠実なユーザの平均パフォーマンスを定量化する。 次に、ランダムなディープニューラルネットワークの使用を動機付ける符号化スキームのファミリーを構築する際のプリミティブを理論的に特徴づける。
  論文  参考訳（メタデータ） (2023-03-31T18:03:53Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Delayed Propagation Transformer: A Universal Computation Engine towards Practical Control in Cyber-Physical Systems [68.75717332928205]
  マルチエージェント制御はサイバー物理システムにおいて中心的なテーマである。 本稿では,CPSのグローバルモデリングを専門とするトランスフォーマーモデルを提案する。 物理的な制約帰納バイアスが設計に組み込まれているため、DePTは幅広い種類のマルチエージェントシステムにプラグアンドプレイする準備ができています。
  論文  参考訳（メタデータ） (2021-10-29T17:20:53Z)
• TransICD: Transformer Based Code-wise Attention Model for Explainable ICD Coding [5.273190477622007]
  国際疾患分類法 (ICD) は, 医療分野の請求システムにおいて有効かつ重要であることが示されている。 現在、ICDコードは手動で臨床メモに割り当てられており、多くのエラーを引き起こす可能性がある。 本稿では,文書のトークン間の相互依存を捉えるためにトランスフォーマーベースのアーキテクチャを適用し,コードワイド・アテンション・メカニズムを用いて文書全体のコード固有表現を学習する。
  論文  参考訳（メタデータ） (2021-03-28T05:34:32Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• Real-time Out-of-distribution Detection in Learning-Enabled Cyber-Physical Systems [1.4213973379473654]
  サイバー物理システムは、現実世界の不確実性と可変性を処理できる機械学習コンポーネントを使用することで恩恵を受ける。 しかし、ディープニューラルネットワークは、システムの安全性に影響を及ぼす可能性のある、新しいタイプのハザードを導入している。 アウト・オブ・ディストリビューションデータは大きなエラーを引き起こし、安全性を損なう可能性がある。
  論文  参考訳（メタデータ） (2020-01-28T17:51:07Z)

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。