論文の概要: Transfer Learning Assisted XgBoost For Adaptable Cyberattack Detection In Battery Packs

• arxiv url: http://arxiv.org/abs/2504.10658v1
• Date: Mon, 14 Apr 2025 19:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:05:39.642554
• Title: Transfer Learning Assisted XgBoost For Adaptable Cyberattack Detection In Battery Packs
• Title（参考訳）: バッテリーパックにおける適応型サイバー攻撃検出のためのトランスファーラーニング支援XgBoost
• Authors: Sanchita Ghosh, Tanushree Roy,
• Abstract要約: 敵は送信中に電圧センサデータを破損させ、局所的に大規模な破壊を引き起こす可能性がある。 安全なEV充電を確保するためには,センサによるサイバー攻撃をリアルタイムで検出することが不可欠である。 本稿では,電圧予測と残差発生に使用する限られたパックレベルデータを用いたXgBoostベースのセルレベルモデルの微調整を提案する。
• 参考スコア（独自算出の注目度）: 3.4530027457862
• License:
• Abstract: Optimal charging of electric vehicle (EVs) depends heavily on reliable sensor measurements from the battery pack to the cloud-controller of the smart charging station. However, an adversary could corrupt the voltage sensor data during transmission, potentially causing local to wide-scale disruptions. Therefore, it is essential to detect sensor cyberattacks in real-time to ensure secure EV charging, and the developed algorithms must be readily adaptable to variations, including pack configurations. To tackle these challenges, we propose adaptable fine-tuning of an XgBoost-based cell-level model using limited pack-level data to use for voltage prediction and residual generation. We used battery cell and pack data from high-fidelity charging experiments in PyBaMM and `liionpack' package to train and test the detection algorithm. The algorithm's performance has been evaluated for two large-format battery packs under sensor swapping and replay attacks. The simulation results also highlight the adaptability and efficacy of our proposed detection algorithm.
• Abstract（参考訳）: 電気自動車(EV)の最適充電は、バッテリーパックからスマート充電ステーションのクラウドコントローラへの信頼性の高いセンサー測定に大きく依存する。 しかし、敵は送信中に電圧センサデータを破損させ、局所的に広範囲に破壊する可能性がある。 したがって、セキュアなEV充電を確保するために、センサーによるサイバー攻撃をリアルタイムで検出することが不可欠であり、開発アルゴリズムはパック構成などのバリエーションに容易に適応できなければならない。 これらの課題に対処するために、電圧予測と残差生成に使用する限られたパックレベルデータを用いたXgBoostベースのセルレベルモデルの適応可能な微調整を提案する。 我々は、PyBaMMと'liionpack'パッケージの高忠実充電実験から電池を用いて、検出アルゴリズムを訓練し、テストした。 このアルゴリズムの性能は、センサースワップとリプレイアタックの2つの大容量バッテリーパックに対して評価されている。 また,提案手法の適応性と有効性についても検討した。

関連論文リスト

• Optimal Signal Decomposition-based Multi-Stage Learning for Battery Health Estimation [2.8202443616982884]
  電池の健康評価に最適な信号分解に基づく多段階機械学習OSLを提案する。 OSLは、最適化された変分モード分解を用いて、元の電池信号の異なる周波数帯域を捉えた信号を抽出する。
  論文  参考訳（メタデータ） (2025-01-24T04:13:55Z)
• Transformer-based Capacity Prediction for Lithium-ion Batteries with Data Augmentation [0.0]
  リチウムイオン電池は、輸送、電子機器、クリーンエネルギー貯蔵の技術の進歩に欠かせない。 キャパシティを推定する現在の方法は、キー変数の長期的な時間的依存関係を適切に説明できない。 本研究では,電池データにおける長期パターンと短期パターンの両方を考慮した変圧器ベースの電池容量予測モデルを構築した。
  論文  参考訳（メタデータ） (2024-07-22T20:21:40Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• A Deep Reinforcement Learning-based Adaptive Charging Policy for Wireless Rechargeable Sensor Networks [14.67786743033424]
  センサをエネルギ化するための信頼性の高いソリューションとして、ワイヤレス電力伝送技術が登場している。 深部強化学習(DRL)を用いた適応型充電方式を提案する。 我々のモデルはネットワークトポロジの自然変化に適応できる。
  論文  参考訳（メタデータ） (2022-08-16T16:10:52Z)
• Dynaformer: A Deep Learning Model for Ageing-aware Battery Discharge Prediction [2.670887944566458]
  本稿では,少数の電圧/電流サンプルから同時に老化状態を推定できるトランスフォーマーに基づく新しいディープラーニングアーキテクチャを提案する。 実験の結果, 学習モデルは様々な複雑さの入力電流分布に有効であり, 広範囲の劣化レベルに対して堅牢であることがわかった。
  論文  参考訳（メタデータ） (2022-06-01T15:31:06Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• Battery Cloud with Advanced Algorithms [1.7205106391379026]
  バッテリクラウドまたはクラウドバッテリ管理システムは、クラウド計算パワーとデータストレージを活用して、バッテリ安全性、パフォーマンス、経済性を改善する。 この研究は、電気自動車やエネルギー貯蔵システムから計測されたバッテリーデータを収集するバッテリクラウドを提示する。
  論文  参考訳（メタデータ） (2022-03-07T21:56:17Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。