論文の概要: ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With
Intelligent Agents
- arxiv url: http://arxiv.org/abs/2305.09476v1
- Date: Fri, 21 Apr 2023 11:36:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 11:04:33.326078
- Title: ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With
Intelligent Agents
- Title(参考訳): 分析 - インテリジェントエージェントによるサイバー物理エネルギーシステム攻撃のための学習
- Authors: Thomas Wolgast, Nils Wenninghoff, Stephan Balduin, Eric Veith, Bastian
Fraune, Torben Woltjen, Astrid Nie{\ss}e
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ongoing penetration of energy systems with information and communications
technology (ICT) and the introduction of new markets increase the potential for
malicious or profit-driven attacks that endanger system stability. To ensure
security-of-supply, it is necessary to analyze such attacks and their
underlying vulnerabilities, to develop countermeasures and improve system
design. We propose ANALYSE, a machine-learning-based software suite to let
learning agents autonomously find attacks in cyber-physical energy systems,
consisting of the power system, ICT, and energy markets. ANALYSE is a modular,
configurable, and self-documenting framework designed to find yet unknown
attack types and to reproduce many known attack strategies in cyber-physical
energy systems from the scientific literature.
- Abstract(参考訳): 情報通信技術(ict)によるエネルギーシステムの継続的な普及と新しい市場の導入は、システムの安定性を脅かす悪質または利益主導の攻撃の可能性を高める。
供給のセキュリティを確保するためには、そのような攻撃とその基盤となる脆弱性を分析し、対策を開発し、システム設計を改善する必要がある。
我々は,学習エージェントが電力システム,ICT,エネルギー市場で構成されるサイバー物理エネルギーシステムにおいて,自律的に攻撃を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ANALYSEを提案する。
ANALYSEは、未知の攻撃タイプを見つけ、科学文献からサイバー物理エネルギーシステムにおける既知の攻撃戦略を再現するために設計されたモジュラーで構成可能で自己文書化フレームワークである。
関連論文リスト
- 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) - Leveraging Traceability to Integrate Safety Analysis Artifacts into the
Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。
本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。
安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文 参考訳(メタデータ) (2023-07-14T16:03:27Z) - Towards Automated Classification of Attackers' TTPs by combining NLP
with ML Techniques [77.34726150561087]
我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。
本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
論文 参考訳(メタデータ) (2022-07-18T09:59:21Z) - 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) - Improving Robustness of Reinforcement Learning for Power System Control
with Adversarial Training [71.7750435554693]
電力系統制御のために提案された最先端のRLエージェントが敵攻撃に対して脆弱であることを示す。
具体的には、敵のマルコフ決定プロセスを用いて攻撃方針を学習し、攻撃の有効性を実証する。
本稿では,RLエージェントの攻撃に対する堅牢性を高め,実行不可能な運用上の決定を回避するために,敵の訓練を利用することを提案する。
論文 参考訳(メタデータ) (2021-10-18T00:50:34Z) - GRAVITAS: Graphical Reticulated Attack Vectors for Internet-of-Things
Aggregate Security [5.918387680589584]
IoT(Internet-of-Things)とサイバー物理システム(CPS)は、複雑なネットワークトポロジで接続された何千ものデバイスで構成されている可能性がある。
我々は、未発見の攻撃ベクトルを識別できるIoT/CPSのための包括的リスク管理システムGRAVITASについて述べる。
論文 参考訳(メタデータ) (2021-05-31T19:35:23Z) - Internet of Predictable Things (IoPT) Framework to Increase
Cyber-Physical System Resiliency [0.0]
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。
論文 参考訳(メタデータ) (2021-01-19T19:01:56Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳(メタデータ) (2020-10-19T13:09:31Z) - 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) - Design of a dynamic and self adapting system, supported with artificial
intelligence, machine learning and real time intelligence for predictive
cyber risk analytics in extreme environments, cyber risk in the colonisation
of Mars [13.561604830845024]
本稿では、ディープラーニングアルゴリズム、IoTサイバーセキュリティ、リスクモデルを調査し、最良のアプローチを特定する数学的公式を確立する。
本稿では,認識エンジン設計,エッジコンピューティング,人工知能,機械学習の概念を統合し,異常検出を自動化するための数学的アプローチを提案する。
このエンジンは、IoTネットワークの端に埋め込まれた人工知能と機械学習を適用して、予測サイバーリスク分析のための安全で機能的なリアルタイムインテリジェンスを提供する、というステップ変更を推し進めている。
論文 参考訳(メタデータ) (2020-05-19T15:42:45Z) - Enhanced Adversarial Strategically-Timed Attacks against Deep
Reinforcement Learning [91.13113161754022]
本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。
実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
論文 参考訳(メタデータ) (2020-02-20T21:39:25Z)
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。