Fugu-MT 論文翻訳(概要): Cluster-based Method for Eavesdropping Identification and Localization in Optical Links

論文の概要: Cluster-based Method for Eavesdropping Identification and Localization in Optical Links

arxiv url: http://arxiv.org/abs/2309.14541v1
Date: Mon, 25 Sep 2023 21:35:44 GMT
ステータス: 処理完了
システム内更新日: 2023-09-27 15:34:40.281391
Title: Cluster-based Method for Eavesdropping Identification and Localization in Optical Links
Title（参考訳）: クラスターに基づく光学リンクの盗聴同定と位置推定法
Authors: Haokun Song, Rui Lin, Andrea Sgambelluri, Filippo Cugini, Yajie Li, Jie Zhang, Paolo Monti
Abstract要約: 小型の電力損失を特徴とする光線系における盗聴事象の検出と検出を行うクラスタベース手法を提案する。その結果, 盗聴による微妙な損失の検出は, 受信機で収集したOPMデータによってのみ達成できることが示唆された。
参考スコア（独自算出の注目度）: 3.7396700754296672
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose a cluster-based method to detect and locate eavesdropping events in optical line systems characterized by small power losses. Our findings indicate that detecting such subtle losses from eavesdropping can be accomplished solely through optical performance monitoring (OPM) data collected at the receiver. On the other hand, the localization of such events can be effectively achieved by leveraging in-line OPM data.
Abstract（参考訳）: 小型電力損失を特徴とする光線システムにおける盗聴イベントの検出と検出のためのクラスタベース手法を提案する。その結果, 盗聴による微妙な損失の検出は, 受信機で収集したOPMデータによってのみ達成できることが示唆された。一方, インラインOPMデータを活用することで, イベントの局所化を効果的に行うことができる。

関連論文リスト

Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文参考訳（メタデータ） (2024-09-21T04:39:45Z)
Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
論文参考訳（メタデータ） (2024-06-24T04:17:03Z)
Compute-first optical detection for noise-resilient visual perception [0.5325390073522079]
本稿では,この問題に対処するために,検出前の光信号処理の概念を提案する。線形変圧器によって空間的に再分配された光信号は、視覚的知覚タスクの検出ノイズ耐性を高めることができることを示す。この計算ファースト検出方式は、産業や防衛用途に広く使われている赤外線機械ビジョン技術の進歩の道を開くことができる。
論文参考訳（メタデータ） (2024-03-14T17:51:38Z)
Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks [57.70351255180495]
我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
論文参考訳（メタデータ） (2023-09-07T17:36:02Z)
Eavesdropper localization for quantum and classical channels via nonlinear scattering [58.720142291102135]
量子鍵分布(QKD)は物理学の法則に基づく理論的セキュリティを提供する。本稿では,古典的チャネルだけでなく,量子的チャネルにも応用可能なeavesdropper位置に関する新しいアプローチを提案する。提案手法は, 標準光ファイバ内部のcm精度で1%のエバネッセントアウトカップリングを局在させる作業において, 従来のOTDRよりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-25T21:06:27Z)
Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
論文参考訳（メタデータ） (2023-03-29T15:19:01Z)
Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文参考訳（メタデータ） (2022-10-11T08:31:30Z)
ML-based Anomaly Detection in Optical Fiber Monitoring [0.0]
本稿では,光ネットワークにおける異常検出と故障同定のためのデータ駆動手法を提案し,ファイバブレークや光タッピングなどの物理的攻撃を診断する。実運用データを用いた各種攻撃シナリオを用いた実験により,本手法の有効性を検証した。
論文参考訳（メタデータ） (2022-02-23T19:43:37Z)
Nonlinear pile-up separation with LSTM neural networks for cryogenic particle detectors [0.0]
低温粒子検出器を用いた高バックグラウンド・キャリブレーション測定では、リコイル現象の蓄積により露光のかなりの割合が失われる。本稿では,LSTMニューラルネットワークを用いてイベントを分離する手法を提案し,その性能を模範的なデータセット上で評価する。
論文参考訳（メタデータ） (2021-12-13T16:55:57Z)
Cross-Referencing Self-Training Network for Sound Event Detection in Audio Mixtures [23.568610919253352]
本稿では,教師なしデータから擬似ラベルを生成するための半教師付き手法を提案する。 DESEDデータベースの「検証」と「公開評価」の双方に関するこれらの手法の結果は、半教師あり学習における最先端技術システムと比較して著しく改善された。
論文参考訳（メタデータ） (2021-05-27T18:46:59Z)
WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文参考訳（メタデータ） (2021-05-21T11:58:50Z)

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。