論文の概要: Digital Twins and the Future of their Use Enabling Shift Left and Shift Right Cybersecurity Operations
- arxiv url: http://arxiv.org/abs/2309.13612v1
- Date: Sun, 24 Sep 2023 11:20:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 03:51:14.714216
- Title: Digital Twins and the Future of their Use Enabling Shift Left and Shift Right Cybersecurity Operations
- Title（参考訳）: デジタル双生児の左シフトと右シフトサイバーセキュリティ事業の将来
- Authors: Ahmad Mohsin, Helge Janicke, Surya Nepal, David Holmes,
- Abstract要約: Digital Twins(DT)は、スマートグリッドや製造といったスマートクリティカルシステム(SCS)ドメインのオペレーションを最適化し、パフォーマンスを監視する。
このビジョンペーパーは、データ駆動型およびルールベースセマンティックSDTモデルによるハイブリッドインテリジェンスを探索し、革新的な技術を通してインテリジェントなSDT設計の概要を示す。
- 参考スコア（独自算出の注目度）: 15.061739314361871
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital Twins (DTs), optimize operations and monitor performance in Smart Critical Systems (SCS) domains like smart grids and manufacturing. DT-based cybersecurity solutions are in their infancy, lacking a unified strategy to overcome challenges spanning next three to five decades. These challenges include reliable data accessibility from Cyber-Physical Systems (CPS), operating in unpredictable environments. Reliable data sources are pivotal for intelligent cybersecurity operations aided with underlying modeling capabilities across the SCS lifecycle, necessitating a DT. To address these challenges, we propose Security Digital Twins (SDTs) collecting realtime data from CPS, requiring the Shift Left and Shift Right (SLSR) design paradigm for SDT to implement both design time and runtime cybersecurity operations. Incorporating virtual CPS components (VC) in Cloud/Edge, data fusion to SDT models is enabled with high reliability, providing threat insights and enhancing cyber resilience. VC-enabled SDT ensures accurate data feeds for security monitoring for both design and runtime. This design paradigm shift propagates innovative SDT modeling and analytics for securing future critical systems. This vision paper outlines intelligent SDT design through innovative techniques, exploring hybrid intelligence with data-driven and rule-based semantic SDT models. Various operational use cases are discussed for securing smart critical systems through underlying modeling and analytics capabilities.
- Abstract（参考訳）: Digital Twins (DT) – スマートグリッドや製造などのスマートクリティカルシステム(SCS)ドメインにおけるオペレーションの最適化とパフォーマンス監視。
DTベースのサイバーセキュリティソリューションは初期段階にあり、今後30年から50年にわたる課題を克服するための統一的な戦略が欠如している。
これらの課題には、予測不可能な環境でのCPS(Cyber-Physical Systems)からの信頼性の高いデータアクセシビリティが含まれる。
信頼性のあるデータソースは、DTを必要とするSCSライフサイクル全体にわたって基盤となるモデリング機能によって支援されるインテリジェントなサイバーセキュリティ運用において重要なものだ。
これらの課題に対処するために、我々は、CPSからリアルタイムデータを収集するSecurity Digital Twins (SDT)を提案し、SDTの設計時間と実行時サイバーセキュリティ操作の両方を実装するために、SLSR(Shift Left and Shift Right)設計パラダイムを必要とする。
Cloud/Edgeに仮想CPSコンポーネント(VC)を組み込んだSDTモデルへのデータ統合は、高い信頼性で実現され、脅威の洞察とサイバーレジリエンスの向上を提供する。
VC対応のSDTは、設計と実行の両方のセキュリティ監視のための正確なデータフィードを保証する。
この設計パラダイムシフトは、将来のクリティカルシステムを確保するために革新的なSDTモデリングと分析を促進する。
このビジョンペーパーは、データ駆動型およびルールベースセマンティックSDTモデルによるハイブリッドインテリジェンスを探索し、革新的な技術を通してインテリジェントなSDT設計の概要を示す。
基礎となるモデリングと分析機能を通じて、スマートクリティカルシステムを保護するためのさまざまな運用ユースケースについて議論する。
関連論文リスト
- Leveraging LSTM and GAN for Modern Malware Detection [0.4799822253865054]
本稿では,マルウェア検出精度と速度を向上するために,ディープラーニングモデル,LSTMネットワーク,GAN分類器の利用を提案する。
研究結果は98%の精度で行われ、ディープラーニングの効率が積極的なサイバーセキュリティ防衛において決定的な役割を担っていることを示している。
論文 参考訳（メタデータ） (2024-05-07T14:57:24Z) - Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。
本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。
私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文 参考訳（メタデータ） (2024-02-21T06:22:41Z) - Image-based Deep Learning for Smart Digital Twins: a Review [0.0]
スマートデジタルツイン(SDT)は、複雑な物理的システムの振る舞いを仮想的に再現し、予測するためにますます利用されている。
ディープラーニング(DL)モデルは、SDTの機能を大幅に強化した。
本稿では,画像ベースSDTの開発における様々なアプローチと課題について論じる。
論文 参考訳（メタデータ） (2024-01-04T20:17:25Z) - Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。
これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。
新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
論文 参考訳（メタデータ） (2023-12-28T13:02:53Z) - Enabling Spatial Digital Twins: Technologies, Challenges, and Future
Research Directions [13.210510790794006]
デジタルツイン(Digital Twin, DT)は、物理オブジェクトやシステムの仮想レプリカであり、その動作と特性を監視し、分析し、最適化するために作成される。
空間デジタル双生児 (SDT) は、物理的実体の地理空間的側面を強調する特定のタイプのデジタル双生児である。
我々は,SDTを階層化して構築する際の空間技術について,初めて体系的に解析を行った。
論文 参考訳（メタデータ） (2023-06-11T06:28:44Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-04-25T00:15:00Z) - Adversarial training with informed data selection [53.19381941131439]
アドリアリトレーニングは、これらの悪意のある攻撃からネットワークを守るための最も効率的なソリューションである。
本研究では,ミニバッチ学習に適用すべきデータ選択戦略を提案する。
シミュレーションの結果,ロバスト性および標準精度に関して良好な妥協が得られることがわかった。
論文 参考訳（メタデータ） (2023-01-07T12:09:50Z) - A Transformer Framework for Data Fusion and Multi-Task Learning in Smart
Cities [99.56635097352628]
本稿では,新興スマートシティを対象としたトランスフォーマーベースのAIシステムを提案する。
ほぼ全ての入力データと出力タスクタイプをサポートし、現在のS&CCをサポートする。
S&CC環境を代表する多様なタスクセットを学習して実演する。
論文 参考訳（メタデータ） (2022-11-18T20:43:09Z) - Digital Twin Virtualization with Machine Learning for IoT and Beyond 5G
Networks: Research Directions for Security and Optimal Control [3.1798318618973362]
デジタルツイン(DT)技術は、サイバー物理システムのリアルタイムデータ駆動モデリングのソリューションとして登場した。
我々は,クラウドコンピューティングを分散化して実装したDTフレームワークの概念階層アーキテクチャを構築した。
既存のシステム上での革新的な技術の開発と展開のリスクを下げることにおけるDTの重要性について論じる。
論文 参考訳（メタデータ） (2022-04-05T03:04:02Z) - Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks,
and Defenses [150.64470864162556]
この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。
様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
論文 参考訳（メタデータ） (2020-12-18T22:38:47Z) - G-IDS: Generative Adversarial Networks Assisted Intrusion Detection
System [1.5119440099674917]
本稿では,GANによる侵入検知システム(G-IDS)を提案する。
G-IDSは合成サンプルを生成し、IDSは元のサンプルとともにそれらを訓練する。
提案したG-IDSモデルは,スタンドアロンのIDSよりも,トレーニングプロセス中の攻撃検出とモデルの安定化に優れていた。
論文 参考訳（メタデータ） (2020-06-01T02:42:46Z)
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。