論文の概要: CRUPL: A Semi-Supervised Cyber Attack Detection with Consistency Regularization and Uncertainty-aware Pseudo-Labeling in Smart Grid

• arxiv url: http://arxiv.org/abs/2503.00358v1
• Date: Sat, 01 Mar 2025 05:49:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:25:37.173351
• Title: CRUPL: A Semi-Supervised Cyber Attack Detection with Consistency Regularization and Uncertainty-aware Pseudo-Labeling in Smart Grid
• Title（参考訳）: CRUPL: スマートグリッドにおける整合性正規化と不確かさを意識した擬似ラベル付き半監視サイバー攻撃検出
• Authors: Smruti P. Dash, Kedar V. Khandeparkar, Nipun Agrawal,
• Abstract要約: スマートグリッドに対するサイバー攻撃は、データの整合性を妥協し、電源の信頼性を損なう可能性がある。 従来の侵入検知システムは、しばしば、新しく洗練された攻撃を効果的に検出する助けを必要とする。 本研究では,ラベル付きおよびラベルなし計測データを活用することにより,スマートグリッドにおけるサイバー攻撃検出の半教師付き手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5499796332553707
• License:
• Abstract: The modern power grids are integrated with digital technologies and automation systems. The inclusion of digital technologies has made the smart grids vulnerable to cyber-attacks. Cyberattacks on smart grids can compromise data integrity and jeopardize the reliability of the power supply. Traditional intrusion detection systems often need help to effectively detect novel and sophisticated attacks due to their reliance on labeled training data, which may only encompass part of the spectrum of potential threats. This work proposes a semi-supervised method for cyber-attack detection in smart grids by leveraging the labeled and unlabeled measurement data. We implement consistency regularization and pseudo-labeling to identify deviations from expected behavior and predict the attack classes. We use a curriculum learning approach to improve pseudo-labeling performance, capturing the model uncertainty. We demonstrate the efficiency of the proposed method in detecting different types of cyberattacks, minimizing the false positives by implementing them on publicly available datasets. The method proposes a promising solution by improving the detection accuracy to 99% in the presence of unknown samples and significantly reducing false positives.
• Abstract（参考訳）: 現代の電力網はデジタル技術や自動化システムと統合されている。 デジタル技術の導入により、スマートグリッドはサイバー攻撃に脆弱になった。 スマートグリッドに対するサイバー攻撃は、データの整合性を妥協し、電源の信頼性を損なう可能性がある。 従来の侵入検知システムは、ラベル付きトレーニングデータに依存しているため、新しく洗練された攻撃を効果的に検出するのに役立ちます。 本研究では,ラベル付きおよびラベルなし計測データを活用することにより,スマートグリッドにおけるサイバー攻撃検出の半教師付き手法を提案する。 整合性正則化と擬似ラベル化を実装し、予測された振る舞いから逸脱を識別し、攻撃クラスを予測する。 我々は、カリキュラム学習アプローチを用いて、擬似ラベル性能を改善し、モデルの不確実性をキャプチャする。 提案手法の各種サイバー攻撃検出における効率を実証し, 公開データセットに実装することで, 偽陽性を最小化する。 本手法は, 未知試料の存在下で検出精度を99%向上し, 偽陽性率を大幅に低減し, 有望な解法を提案する。

関連論文リスト

• 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)
• 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)
• An Approach to Abstract Multi-stage Cyberattack Data Generation for ML-Based IDS in Smart Grids [2.5655761752240505]
  スマートグリッドにおける機械学習モデルを学習するためのグラフベースアプローチを用いて合成データを生成する手法を提案する。 我々は、グラフ定式化によって定義された多段階サイバー攻撃の抽象形式を使用し、ネットワーク内の攻撃の伝播挙動をシミュレートする。
  論文  参考訳（メタデータ） (2023-12-21T11:07:51Z)
• A Heterogeneous Graph Learning Model for Cyber-Attack Detection [4.559898668629277]
  サイバー攻撃は、ハッカーが標的とする情報システムに侵入する悪意のある試みである。 本稿では,証明データに基づく知的サイバー攻撃検出手法を提案する。 実験の結果,提案手法は他の学習ベース検出モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-16T16:03:39Z)
• Certifiers Make Neural Networks Vulnerable to Availability Attacks [70.69104148250614]
  私たちは初めて、逆転戦略が敵によって意図的に引き起こされる可能性があることを示します。 いくつかの入力や摂動のために自然に発生する障害に加えて、敵は故意にフォールバックを誘発するために訓練時間攻撃を使用することができる。 我々は2つの新しいアベイラビリティーアタックを設計し、これらの脅威の実用的妥当性を示す。
  論文  参考訳（メタデータ） (2021-08-25T15:49:10Z)
• Online Dictionary Learning Based Fault and Cyber Attack Detection for Power Systems [4.657875410615595]
  本稿では,ストリームデータマイニング分類器を活用することで,イベント検出と侵入検出の問題に対処する。 まず、ラベルのないデータから高レベルな特徴を学習して辞書を構築する。 そして、ラベル付きデータは、学習した辞書原子の疎線形結合として表現される。 我々は、これらの余分なコードを利用して、オンライン分類器と効率的な変更検出器を訓練する。
  論文  参考訳（メタデータ） (2021-08-24T23:17:58Z)
• Launching Adversarial Attacks against Network Intrusion Detection Systems for IoT [5.077661193116692]
  テクノロジーは、セキュリティが後発である利益主導のモノのインターネット市場にシフトしています。 従来の防御アプローチは、既知の攻撃と未知の攻撃の両方を高精度に検出するのに十分ではない。 機械学習による侵入検知システムは、未知の攻撃を高精度に特定することに成功した。
  論文  参考訳（メタデータ） (2021-04-26T09:36:29Z)
• How Robust are Randomized Smoothing based Defenses to Data Poisoning? [66.80663779176979]
  我々は、トレーニングデータの品質の重要性を強調する堅牢な機械学習モデルに対して、これまで認識されていなかった脅威を提示します。 本稿では,二段階最適化に基づく新たなデータ中毒攻撃法を提案し,ロバストな分類器のロバスト性を保証する。 我々の攻撃は、被害者が最先端のロバストな訓練方法を用いて、ゼロからモデルを訓練しても効果的である。
  論文  参考訳（メタデータ） (2020-12-02T15:30:21Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Adversarial Self-Supervised Contrastive Learning [62.17538130778111]
  既存の対数学習アプローチは、主にクラスラベルを使用して、誤った予測につながる対数サンプルを生成する。 本稿では,未ラベルデータに対する新たな逆攻撃を提案する。これにより,モデルが摂動データサンプルのインスタンスレベルのアイデンティティを混乱させる。 ラベル付きデータなしで頑健なニューラルネットワークを逆さまにトレーニングするための,自己教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-13T08:24:33Z)
• Active Fuzzing for Testing and Securing Cyber-Physical Systems [8.228859318969082]
  パケットレベルのCPSネットワーク攻撃のテストスイートを見つけるための,能動ファジィングを提案する。 私たちのソリューションの鍵は、ペイロードをサンプリングすることでモデルを反復的に更新するオンラインアクティブラーニングを使用することです。 本研究は,水浄化プラントテストベッドに実装した活性ファジィングの有効性を評価し,フロー,プレッシャ,オーバー/アンダーフロー攻撃の試験スイートを自動的に検出できることを見出した。
  論文  参考訳（メタデータ） (2020-05-28T16:19:50Z)

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。

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。