Fugu-MT 論文翻訳(概要): Vulnerability Assessment of Industrial Control System with an Improved CVSS

論文の概要: Vulnerability Assessment of Industrial Control System with an Improved CVSS

arxiv url: http://arxiv.org/abs/2306.08631v1
Date: Wed, 14 Jun 2023 16:48:06 GMT
ステータス: 処理完了
システム内更新日: 2023-06-16 18:11:22.359706
Title: Vulnerability Assessment of Industrial Control System with an Improved CVSS
Title（参考訳）: CVSSの改良による産業制御システムの脆弱性評価
Authors: He Wen
Abstract要約: CVSS(Common Vulnerability Scoring System)の改良によりICSに対するサイバー攻撃のリスクを評価する手法を提案する。その結果、ICSの物理的システムレベルは、サイバー攻撃を受けた時に最も深刻であることがわかった。
参考スコア（独自算出の注目度）: 3.9596068699962323
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cyberattacks on industrial control systems (ICS) have been drawing attention in academia. However, this has not raised adequate concerns among some industrial practitioners. Therefore, it is necessary to identify the vulnerable locations and components in the ICS and investigate the attack scenarios and techniques. This study proposes a method to assess the risk of cyberattacks on ICS with an improved Common Vulnerability Scoring System (CVSS) and applies it to a continuous stirred tank reactor (CSTR) model. The results show the physical system levels of ICS have the highest severity once cyberattacked, and controllers, workstations, and human-machine interface are the crucial components in the cyberattack and defense.
Abstract（参考訳）: 産業制御システム(ICS)に対するサイバー攻撃は学界で注目を集めている。しかし、これは一部の工業従事者の間で十分な懸念を生じさせていない。したがって、ICS内の脆弱な場所やコンポーネントを特定し、攻撃シナリオやテクニックを調査する必要がある。本研究は,ICSにおけるサイバー攻撃のリスクをCVSS(Common Vulnerability Scoring System)の改良により評価し,CSTR(Continuous stired tank reactor)モデルに適用する手法を提案する。その結果,icの物理システムレベルはサイバー攻撃時に最も重要度が高く,コントローラ,ワークステーション,ヒューマン・マシン・インタフェースがサイバー攻撃と防御の重要な構成要素であることがわかった。

関連論文リスト

Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [70.93622520400385]
本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。本研究では,ロボット行動の不安定化に空間的基盤を活用する,標的のない位置認識型攻撃目標を提案する。また、カメラの視野内に小さなカラフルなパッチを配置し、デジタル環境と物理環境の両方で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
論文参考訳（メタデータ） (2024-11-18T01:52:20Z)
EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
論文参考訳（メタデータ） (2024-08-08T13:19:37Z)
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)
Towards Low-Barrier Cybersecurity Research and Education for Industrial Control Systems [1.2584276673531931]
サイバー攻撃を自動的に起動し、データを収集し、機械学習モデルを訓練し、実用的な化学・製造プロセスを評価するためのフレームワークを開発する。テストベッド上では,Minimal Threshold と Window SVM と呼ばれる侵入検出モデルの有効性を検証した。その結果、MinTWin SVMは偽陽性を最小限に抑え、物理的プロセス異常に応答することを示した。
論文参考訳（メタデータ） (2023-08-31T14:46:05Z)
A Deep Multi-Modal Cyber-Attack Detection in Industrial Control Systems [1.0312968200748118]
本研究は、ICSのネットワークとセンサのモダリティデータを、ICSの深層多モードサイバー攻撃検出モデルで処理する。以上の結果から,提案モデルが既存の単一モダリティモデルや最近の文献よりも優れていることが示唆された。
論文参考訳（メタデータ） (2023-04-04T01:27:21Z)
A Framework for Evaluating the Cybersecurity Risk of Real World, Machine Learning Production Systems [41.470634460215564]
我々はML生産システムにサイバー攻撃を組み込むMulVAL攻撃グラフ生成および分析フレームワークの拡張を開発する。提案された拡張を使用することで、セキュリティ実践者はMLコンポーネントを含む環境にアタックグラフ分析手法を適用することができる。
論文参考訳（メタデータ） (2021-07-05T05:58:11Z)
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)
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)
Poisoning Attacks on Cyber Attack Detectors for Industrial Control Systems [34.86059492072526]
私たちはICSオンラインニューラルネットワーク検出器に対するこのような毒攻撃を最初に実演しています。バックグラデーションベースの中毒という2つの異なる攻撃アルゴリズムを提案し、合成データと実世界のデータの両方でその効果を実証する。
論文参考訳（メタデータ） (2020-12-23T14:11:26Z)
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)
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)

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。