論文の概要: Graph Analytics for Cyber-Physical System Resilience Quantification
- arxiv url: http://arxiv.org/abs/2504.02120v1
- Date: Wed, 02 Apr 2025 20:43:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-04 12:54:59.350061
- Title: Graph Analytics for Cyber-Physical System Resilience Quantification
- Title（参考訳）: サイバー物理システムレジリエンス定量化のためのグラフ解析
- Authors: Romain Dagnas, Michel Barbeau, Joaquin Garcia-Alfaro, Reda Yaich,
- Abstract要約: 本研究はサイバー物理システム(CPS)のサイバーレジリエンスに焦点を当てている。
本稿では,複雑なシステムのレジリエンスポテンシャルを定量化するために,知識グラフモデリングとグラフ解析に基づく方法論を提案する。
我々は、最も弾力性のあるSWaT設計は、攻撃を跳ね返して吸収するために必要な可能性を持っていることを示す。
- 参考スコア（独自算出の注目度）: 0.7999703756441754
- License:
- Abstract: Critical infrastructures integrate a wide range of smart technologies and become highly connected to the cyber world. This is especially true for Cyber-Physical Systems (CPSs), which integrate hardware and software components. Despite the advantages of smart infrastructures, they remain vulnerable to cyberattacks. This work focuses on the cyber resilience of CPSs. We propose a methodology based on knowledge graph modeling and graph analytics to quantify the resilience potential of complex systems by using a multilayered model based on knowledge graphs. Our methodology also allows us to identify critical points. These critical points are components or functions of an architecture that can generate critical failures if attacked. Thus, identifying them can help enhance resilience and avoid cascading effects. We use the SWaT (Secure Water Treatment) testbed as a use case to achieve this objective. This system mimics the actual behavior of a water treatment station in Singapore. We model three resilient designs of SWaT according to our multilayered model. We conduct a resilience assessment based on three relevant metrics used in graph analytics. We compare the results obtained with each metric and discuss their accuracy in identifying critical points. We perform an experimentation analysis based on the knowledge gained by a cyber adversary about the system architecture. We show that the most resilient SWaT design has the necessary potential to bounce back and absorb the attacks. We discuss our results and conclude this work by providing further research axes.
- Abstract（参考訳）: 重要なインフラは幅広いスマートテクノロジーを統合し、サイバーの世界と密接に結びついている。
これは、ハードウェアとソフトウェアコンポーネントを統合するCyber-Physical Systems(CPS)に特に当てはまる。
スマートインフラストラクチャのアドバンテージにもかかわらず、サイバー攻撃には弱いままだ。
この研究は、CPSのサイバーレジリエンスに焦点を当てている。
本稿では,知識グラフに基づく多層モデルを用いて,複雑なシステムのレジリエンスポテンシャルを定量化するための知識グラフモデリングとグラフ解析に基づく方法論を提案する。
私たちの方法論は、臨界点の特定にも役立ちます。
これらのクリティカルポイントはアーキテクチャのコンポーネントや関数であり、攻撃された場合、クリティカル障害を発生させることができる。
したがって、それらを特定することはレジリエンスを高め、カスケード効果を避けるのに役立つ。
我々はこの目的を達成するためにSWaTテストベッドをユースケースとして使用します。
このシステムはシンガポールの水処理場の実際の挙動を模倣する。
我々はSWaTの3つのレジリエントな設計を多層モデルに従ってモデル化する。
グラフ解析に使用される3つの関連する指標に基づいてレジリエンス評価を行う。
得られた結果と各指標を比較し,臨界点の同定における精度について検討する。
我々は,システムアーキテクチャに関するサイバー敵の知識に基づいて実験分析を行う。
我々は、最も弾力性のあるSWaT設計は、攻撃を跳ね返して吸収するために必要な可能性を持っていることを示す。
我々は,研究結果を議論し,さらなる研究軸を提供することで,この研究を結論づける。
関連論文リスト
- Technical Upgrades to and Enhancements of a System Vulnerability Analysis Tool Based on the Blackboard Architecture [0.0]
このシステムでは、ブラックボードアーキテクチャのルールファクトパラダイムに基づく一般化ロジックが実装された。
本稿は,マルチスレッディングの実装を含む今後の研究の道筋について論じる。
論文 参考訳（メタデータ） (2024-09-17T05:06:42Z) - It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。
現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。
本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
論文 参考訳（メタデータ） (2023-12-27T10:44:58Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳（メタデータ） (2023-04-02T08:43:03Z) - Quantitative Measurement of Cyber Resilience: Modeling and Experimentation [36.19235874144082]
サイバーレジリエンス(サイバーレジリエンス)とは、システムがサイバー攻撃に対して抵抗し、回復する能力である。
本稿では、レジリエンス関連データを得るための実験方法と試験ベッドについて述べる。
論文 参考訳（メタデータ） (2023-03-28T21:01:17Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Unveiling the potential of Graph Neural Networks for robust Intrusion
Detection [2.21481607673149]
本稿では,グラフとして構造化された攻撃の流れパターンを学習するための新しいグラフニューラルネットワーク(GNN)モデルを提案する。
我々のモデルは従来の実験と同等の精度を維持することができる一方、最先端のML技術は敵攻撃下で50%の精度(F1スコア)を低下させる。
論文 参考訳（メタデータ） (2021-07-30T16:56:39Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z) - SI-Score: An image dataset for fine-grained analysis of robustness to
object location, rotation and size [95.00667357120442]
オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。
合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
論文 参考訳（メタデータ） (2021-04-09T05:00:49Z) - Learning-Based Vulnerability Analysis of Cyber-Physical Systems [10.066594071800337]
本研究は,サイバー物理システムの脆弱性解析におけるディープラーニングの利用に焦点を当てる。
我々は,低レベル制御が拡張カルマンフィルタ(ekf)や異常検出器(anomaly detector)などに基づくcpsにおいて広く用いられている制御アーキテクチャを考える。
潜在的なセンシング攻撃が持つ影響を分析することを容易にするため、学習可能な攻撃生成器の開発が目的である。
論文 参考訳（メタデータ） (2021-03-10T06:52:26Z) - Deep Learning based Covert Attack Identification for Industrial Control
Systems [5.299113288020827]
我々は、スマートグリッドに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発した。
このフレームワークは、オートエンコーダ、リカレントニューラルネットワーク(RNN)とLong-Short-Term-Memory層、Deep Neural Network(DNN)を組み合わせたハイブリッド設計である。
論文 参考訳（メタデータ） (2020-09-25T17:48:43Z)
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。