Fugu-MT 論文翻訳(概要): Encryption-Aware Anomaly Detection in Power Grid Communication Networks

論文の概要: Encryption-Aware Anomaly Detection in Power Grid Communication Networks

arxiv url: http://arxiv.org/abs/2412.04901v1
Date: Fri, 06 Dec 2024 09:58:56 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-09 15:54:53.230654
Title: Encryption-Aware Anomaly Detection in Power Grid Communication Networks
Title（参考訳）: 電力グリッド通信網における暗号化対応異常検出
Authors: Omer Sen, Mehdi Akbari Gurabi, Milan Deruelle, Andreas Ulbig, Stefan Decker,
Abstract要約: スマートグリッドへの移行により、電力システムは高度なサイバー脅威に対してより脆弱になった。本研究は、統計と機械学習を用いて不規則なパターンを識別する暗号化電力グリッドシステムの低レベル通信層に焦点を当てている。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The shift to smart grids has made electrical power systems more vulnerable to sophisticated cyber threats. To protect these systems, holistic security measures that encompass preventive, detective, and reactive components are required, even with encrypted data. However, traditional intrusion detection methods struggle with encrypted traffic, our research focuses on the low-level communication layers of encrypted power grid systems to identify irregular patterns using statistics and machine learning. Our results indicate that a harmonic security concept based on encrypted traffic and anomaly detection is promising for smart grid security; however, further research is necessary to improve detection accuracy.
Abstract（参考訳）: スマートグリッドへの移行により、電力システムは高度なサイバー脅威に対してより脆弱になった。これらのシステムを保護するには、暗号化されたデータであっても、予防的、探偵的、リアクティブなコンポーネントを含む全体的なセキュリティ対策が必要である。しかし,従来の侵入検出手法は,暗号化された電力網システムの低レベル通信層に着目し,統計や機械学習を用いて不規則なパターンを識別する。この結果から,暗号化されたトラフィックと異常検出に基づく高調波セキュリティの概念は,スマートグリッドセキュリティにとって有望であるが,検出精度の向上にはさらなる研究が必要であることが示唆された。

関連論文リスト

Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
認証サイクル冗長性チェック(ACRIC)を提案する。 ACRICは、追加のハードウェアを必要とせずに後方互換性を保持し、プロトコルに依存しない。 ACRICは最小送信オーバーヘッド(1ms)で堅牢なセキュリティを提供する。
論文参考訳（メタデータ） (2024-11-21T18:26:05Z)
GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
論文参考訳（メタデータ） (2024-05-20T14:43:46Z)
Boosting Digital Safeguards: Blending Cryptography and Steganography [0.30783046172997025]
ステガノグラフィーは、他の媒体にデータを隠蔽することで、メッセージを見えないものにすることで、隠蔽通信を容易にする。提案手法は、人工知能(AI)とディープラーニング(DL)の最新の進歩を、特にGAN(Generative Adversarial Networks)の適用を通じて活用する。 GANの応用により、ニューラルネットワーク固有の感度を利用してデータのわずかな変更を行う、スマートでセキュアなシステムが可能になる。
論文参考訳（メタデータ） (2024-04-09T03:36:39Z)
FedDiSC: A Computation-efficient Federated Learning Framework for Power Systems Disturbance and Cyber Attack Discrimination [1.0621485365427565]
本稿では,フェデレート学習に基づくプライバシ保護と通信効率の高い攻撃検出フレームワークであるFedDiSCを提案する。我々は、電力システムとサイバーセキュリティの異常を正確に検出するために、表現学習に基づくDeep Auto-Encoderネットワークを提案する。提案手法を現実のサイバー攻撃検出のタイムラインに適応させるために,DP-SIGNSGDとして知られる勾配プライバシー保護量子化方式を利用する。
論文参考訳（メタデータ） (2023-04-07T13:43:57Z)
Machine-learned Adversarial Attacks against Fault Prediction Systems in Smart Electrical Grids [17.268321134222667]
本研究では、スマートグリッドシナリオにおける機械学習(ML)アプリケーションのセキュリティに関する課題について検討する。まず、スマートグリッドで使用されるディープニューラルネットワーク手法が、逆方向の摂動の影響を受けやすいことを実証する。そこで本研究では,スマートグリッドにおける現在のMLアルゴリズムの弱点を,障害の局所化と型分類によって明らかにする方法について述べる。
論文参考訳（メタデータ） (2023-03-28T10:19:03Z)
A Hybrid Deep Learning Anomaly Detection Framework for Intrusion Detection [4.718295605140562]
本稿では,3段階のディープラーニング異常検出に基づくネットワーク侵入攻撃検出フレームワークを提案する。このフレームワークは、教師なし(K平均クラスタリング)、半教師付き(GANomaly)、および教師付き学習(CNN)アルゴリズムの統合を含む。そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
論文参考訳（メタデータ） (2022-12-02T04:40:54Z)
Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文参考訳（メタデータ） (2021-06-03T16:45:40Z)
Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文参考訳（メタデータ） (2021-01-28T16:38:26Z)
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)
Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文参考訳（メタデータ） (2020-01-27T11:21:05Z)
Deep Learning-Based Intrusion Detection System for Advanced Metering Infrastructure [0.0]
スマートグリッドはさまざまな脅威に晒され、サイバー攻撃に変換される可能性がある。本稿では,サイバー攻撃防止のためのディープラーニングによる侵入検知システムの開発を行う。
論文参考訳（メタデータ） (2019-12-31T21:06:20Z)

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。