論文の概要: KnowSafe: Combined Knowledge and Data Driven Hazard Mitigation in Artificial Pancreas Systems

• arxiv url: http://arxiv.org/abs/2311.07460v1
• Date: Mon, 13 Nov 2023 16:43:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 13:33:52.119593
• Title: KnowSafe: Combined Knowledge and Data Driven Hazard Mitigation in Artificial Pancreas Systems
• Title（参考訳）: KnowSafe: 人工膵システムにおける知識とデータ駆動型ハザード緩和
• Authors: Xugui Zhou, Maxfield Kouzel, Chloe Smith, Homa Alemzadeh
• Abstract要約: KnowSafeは、安全を害する悪意のある攻撃や、CPSコントローラを標的とした偶発的な障害による安全性の危険を予測し軽減する。 安全制約のドメイン固有の知識とコンテキスト固有の緩和行動と機械学習(ML)技術を統合する。 KnowSafeは、システム状態の軌跡や潜在的な危険を予測する上で、より高い精度を達成することで、最先端技術よりも優れています。
• 参考スコア（独自算出の注目度）: 3.146076597280736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Significant progress has been made in anomaly detection and run-time monitoring to improve the safety and security of cyber-physical systems (CPS). However, less attention has been paid to hazard mitigation. This paper proposes a combined knowledge and data driven approach, KnowSafe, for the design of safety engines that can predict and mitigate safety hazards resulting from safety-critical malicious attacks or accidental faults targeting a CPS controller. We integrate domain-specific knowledge of safety constraints and context-specific mitigation actions with machine learning (ML) techniques to estimate system trajectories in the far and near future, infer potential hazards, and generate optimal corrective actions to keep the system safe. Experimental evaluation on two realistic closed-loop testbeds for artificial pancreas systems (APS) and a real-world clinical trial dataset for diabetes treatment demonstrates that KnowSafe outperforms the state-of-the-art by achieving higher accuracy in predicting system state trajectories and potential hazards, a low false positive rate, and no false negatives. It also maintains the safe operation of the simulated APS despite faults or attacks without introducing any new hazards, with a hazard mitigation success rate of 92.8%, which is at least 76% higher than solely rule-based (50.9%) and data-driven (52.7%) methods.
• Abstract（参考訳）: サイバーフィジカルシステム(cps)の安全性と安全性を改善するため、異常検出と実行時の監視において大きな進歩があった。 しかし、危険軽減にはあまり注意が払われていない。 本稿では,安全に重大な悪質な攻撃やcpsコントローラを標的とする事故的障害から生じる安全性の危険を予測・軽減する安全エンジンの設計のための,知識とデータ駆動を組み合わせたアプローチであるnowsafeを提案する。 安全制約のドメイン固有の知識とコンテキスト固有の緩和アクションを機械学習(ML)技術と統合し、システムトラジェクトリを推定し、潜在的な危険を推測し、システムを安全に保つための最適な修正アクションを生成する。 人工膵システム(aps)のための2つの現実的なクローズドループテストベッドと、糖尿病治療のための実世界の臨床試験データセットの実験的評価は、システム状態の予測における高い精度と潜在的な危険、低い偽陽性率、偽陰性の達成により、ノウセーフが最先端を上回っていることを示している。 また、新たなハザードを導入することなく、シミュレーションされたAPSの安全な運用を維持しており、リスク軽減の成功率は92.8%であり、これはルールベース(50.9%)とデータ駆動(52.7%)の手法よりも少なくとも76%高い。

関連論文リスト

• 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)
• Safety Margins for Reinforcement Learning [53.10194953873209]
  安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。 Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-07-25T16:49:54Z)
• 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)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Risk-Driven Design of Perception Systems [47.787943101699966]
  システム全体の安全性を低下させるエラーを最小限に抑えるために,認識システムを設計することが重要である。 完全積分閉ループシステムの性能に及ぼす知覚誤差の影響を考慮に入れた認識システム設計のためのリスク駆動型アプローチを開発する。 本研究では,現実的な視界に基づく航空機による応用・回避技術の評価を行い,リスク駆動設計がベースラインシステム上での衝突リスクを37%低減することを示す。
  論文  参考訳（メタデータ） (2022-05-21T21:14:56Z)
• Robustness Testing of Data and Knowledge Driven Anomaly Detection in Cyber-Physical Systems [2.088376060651494]
  本稿では,安全クリティカルCPSにおけるMLに基づく異常検出手法のロバスト性を評価するための予備的結果を提案する。 我々は、ドメイン知識(例えば、安全でないシステムの振る舞い)とMLモデルを統合することによって、精度と透明性を犠牲にすることなく、異常検出の堅牢性を向上させることができるかどうかを仮説として検証する。
  論文  参考訳（メタデータ） (2022-04-20T02:02:56Z)
• State Compression and Quantitative Assessment Model for Assessing Security Risks in the Oil and Gas Transmission Systems [0.0]
  SCADAシステムは、大規模産業制御システムの基盤となっている。 石油化学、電力、パイプラインなどの産業で広く使われている。 天然ガスSCADAシステムは、信頼された通信に関連するセキュリティ上の問題を持つ重要なインフラシステムの一つである。
  論文  参考訳（メタデータ） (2021-12-28T13:35:40Z)
• Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
  早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。 安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。 本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-28T23:00:30Z)
• Data-driven Design of Context-aware Monitors for Hazard Prediction in Artificial Pancreas Systems [2.126171264016785]
  医療サイバー物理システム(MCPS)は、コントローラをターゲットとし、安全上の危険や患者への害を引き起こす可能性がある偶発的または悪意のある障害に対して脆弱です。 本論文では,危険の兆候を早期に検出し軽減できるコンテキスト認識型モニターの設計のためのモデルとデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-06T14:36:33Z)
• A Survey of Algorithms for Black-Box Safety Validation of Cyber-Physical Systems [30.638615396429536]
  安全クリティカルな人工知能の普及により、この研究は、CPSの最先端の安全検証技術の調査を提供する。 本稿では,最適化,経路計画,強化学習,重要サンプリングの分野におけるアルゴリズムについて論じる。 自動運転車や航空機衝突回避システムなど、安全クリティカルな応用の概要を概説する。
  論文  参考訳（メタデータ） (2020-05-06T17:31:51Z)

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。