論文の概要: Inter-Domain Fusion for Enhanced Intrusion Detection in Power Systems:
An Evidence Theoretic and Meta-Heuristic Approach
- arxiv url: http://arxiv.org/abs/2111.10484v1
- Date: Sat, 20 Nov 2021 00:05:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-26 06:00:50.627983
- Title: Inter-Domain Fusion for Enhanced Intrusion Detection in Power Systems:
An Evidence Theoretic and Meta-Heuristic Approach
- Title(参考訳): 電力系統における侵入検出強化のためのドメイン間融合--エビデンス理論とメタヒューリスティックアプローチ
- Authors: Abhijeet Sahu and Katherine Davis
- Abstract要約: ICSネットワークにおけるIDSによる不正な警告は、経済的および運用上の重大な損害をもたらす可能性がある。
本研究は,CPS電力系統における誤警報の事前分布を伴わずに不確実性に対処し,誤警報を低減する手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: False alerts due to misconfigured/ compromised IDS in ICS networks can lead
to severe economic and operational damage. To solve this problem, research has
focused on leveraging deep learning techniques that help reduce false alerts.
However, a shortcoming is that these works often require or implicitly assume
the physical and cyber sensors to be trustworthy. Implicit trust of data is a
major problem with using artificial intelligence or machine learning for CPS
security, because during critical attack detection time they are more at risk,
with greater likelihood and impact, of also being compromised. To address this
shortcoming, the problem is reframed on how to make good decisions given
uncertainty. Then, the decision is detection, and the uncertainty includes
whether the data used for ML-based IDS is compromised. Thus, this work presents
an approach for reducing false alerts in CPS power systems by dealing
uncertainty without the knowledge of prior distribution of alerts.
Specifically, an evidence theoretic based approach leveraging Dempster Shafer
combination rules are proposed for reducing false alerts. A multi-hypothesis
mass function model is designed that leverages probability scores obtained from
various supervised-learning classifiers. Using this model, a
location-cum-domain based fusion framework is proposed and evaluated with
different combination rules, that fuse multiple evidence from inter-domain and
intra-domain sensors. The approach is demonstrated in a cyber-physical power
system testbed with Man-In-The-Middle attack emulation in a large-scale
synthetic electric grid. For evaluating the performance, plausibility, belief,
pignistic, etc. metrics as decision functions are considered. To improve the
performance, a multi-objective based genetic algorithm is proposed for feature
selection considering the decision metrics as the fitness function.
- Abstract(参考訳): ICSネットワークの不正な構成や不正なIDSによる偽の警告は、経済的および運用上の重大な損害をもたらす可能性がある。
この問題を解決するために、研究は誤報を減らす深層学習技術を活用することに注力してきた。
しかし欠点は、これらの作業が物理的およびサイバーセンサーが信頼できるものであると暗黙的に仮定することが多いことだ。
CPSのセキュリティに人工知能や機械学習を使用する場合、データの不正な信頼は大きな問題である。
この欠点に対処するために、不確実性に対して適切な意思決定を行う方法が再検討されている。
そして、決定は検出され、不確実性には、MLベースのIDSに使用されるデータが損なわれているかどうかが含まれる。
そこで本研究では,CPS電力系統における誤報を,事前の警告分布の知識を必要とせず,不確実性に対処して低減する手法を提案する。
具体的には,Dempster Shaferの組み合わせルールを利用したエビデンス理論に基づくアプローチを提案する。
教師付き学習分類器から得られる確率スコアを利用する多仮説質量関数モデルが設計されている。
このモデルを用いて、ドメイン間およびドメイン内センサーから複数のエビデンスを融合させる、位置領域ベース融合フレームワークを提案し、異なる組み合わせルールで評価する。
このアプローチは、大規模な合成電力グリッドで中間者攻撃エミュレーションをテストしたサイバー物理電力システムで実証されている。
性能評価には, 信頼性, 信条, 便宜性などの指標を判定関数として検討する。
適合度関数として決定指標を考慮し,特徴選択のための多目的遺伝的アルゴリズムを提案する。
関連論文リスト
- 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) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Investigating Robustness in Cyber-Physical Systems: Specification-Centric Analysis in the face of System Deviations [8.8690305802668]
サイバー物理システム(CPS)の重要属性は堅牢性であり、安全に運用する能力を示している。
本稿では,特定のシステム要件を満たす上でのコントローラの有効性を特徴付ける,仕様に基づく新しいロバスト性を提案する。
本稿では, 微妙な堅牢性違反を識別するための2層シミュレーションに基づく解析フレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-13T16:44:43Z) - Enhancing Trustworthiness in ML-Based Network Intrusion Detection with Uncertainty Quantification [0.0]
侵入検知システム(英語: Intrusion Detection Systems、IDS)は、現代のネットワークに対する攻撃を識別し軽減するために設計されたセキュリティ装置である。
機械学習(ML)に基づくデータ駆動型アプローチは、分類タスクの実行でますます人気を集めている。
しかし、この目的のために採用された典型的なMLモデルは、予測に関する不確実性を適切に考慮していない。
論文 参考訳(メタデータ) (2023-09-05T13:52:41Z) - Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
不確実性推定は統計的に正確な予測を提供する効果的なツールである。
本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
論文 参考訳(メタデータ) (2023-02-12T14:30:03Z) - Selective and Features based Adversarial Example Detection [12.443388374869745]
Deep Neural Networks (DNN) を中継するセキュリティに敏感なアプリケーションは、Adversarial Examples (AE) を生成するために作られた小さな摂動に弱い。
本稿では,マルチタスク学習環境における選択的予測,モデルレイヤの出力処理,知識伝達概念を用いた教師なし検出機構を提案する。
実験の結果,提案手法は,ホワイトボックスシナリオにおけるテスト攻撃に対する最先端手法と同等の結果を得られ,ブラックボックスとグレーボックスシナリオの精度が向上した。
論文 参考訳(メタデータ) (2021-03-09T11:06:15Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳(メタデータ) (2021-01-28T16:38:26Z) - Multi-Source Data Fusion for Cyberattack Detection in Power Systems [1.8914160585516038]
複数のデータソースからの情報を融合することで,サイバーインシデントの発生を識別し,偽陽性を低減できることが示されている。
我々は、サイバー物理電力システムテストベッドでIDSを訓練するためのマルチソースデータ融合を行う。
提案するデータ融合アプリケーションを用いて偽データとコマンドインジェクションに基づく中間攻撃を推測する。
論文 参考訳(メタデータ) (2021-01-18T06:34:45Z) - Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。
これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。
我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
論文 参考訳(メタデータ) (2020-12-10T23:28:36Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - A cognitive based Intrusion detection system [0.0]
侵入検知は、コンピュータネットワークのセキュリティを提供する重要なメカニズムの1つである。
本稿では,Deep Neural Network Ans Supportctor Machine Classifierに基づく新しい手法を提案する。
提案手法は, 侵入検知に類似した手法により, より精度良く攻撃を予測できる。
論文 参考訳(メタデータ) (2020-05-19T13:30:30Z)
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。