Fugu-MT 論文翻訳(概要): Hierarchical Testing with Rabbit Optimization for Industrial Cyber-Physical Systems

論文の概要: Hierarchical Testing with Rabbit Optimization for Industrial Cyber-Physical Systems

arxiv url: http://arxiv.org/abs/2507.04100v1
Date: Sat, 05 Jul 2025 16:59:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-08 15:46:35.013744
Title: Hierarchical Testing with Rabbit Optimization for Industrial Cyber-Physical Systems
Title（参考訳）: 産業用サイバー物理システムのためのラビット最適化による階層的テスト
Authors: Jinwei Hu, Zezhi Tang, Xin Jin, Benyuan Zhang, Yi Dong, Xiaowei Huang,
Abstract要約: HERO(英: Black-box adversarial testing framework)は、産業用サイバー物理システムにおける深層学習に基づく診断・健康管理システムの堅牢性を評価するためのブラックボックス逆行テストフレームワークである。 HEROは、物理的に制約された逆の例を生成し、グローバルな視点とローカルな視点を通して現実世界のデータ分布と整合する。
参考スコア（独自算出の注目度）: 13.022214684940412
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents HERO (Hierarchical Testing with Rabbit Optimization), a novel black-box adversarial testing framework for evaluating the robustness of deep learning-based Prognostics and Health Management systems in Industrial Cyber-Physical Systems. Leveraging Artificial Rabbit Optimization, HERO generates physically constrained adversarial examples that align with real-world data distributions via global and local perspective. Its generalizability ensures applicability across diverse ICPS scenarios. This study specifically focuses on the Proton Exchange Membrane Fuel Cell system, chosen for its highly dynamic operational conditions, complex degradation mechanisms, and increasing integration into ICPS as a sustainable and efficient energy solution. Experimental results highlight HERO's ability to uncover vulnerabilities in even state-of-the-art PHM models, underscoring the critical need for enhanced robustness in real-world applications. By addressing these challenges, HERO demonstrates its potential to advance more resilient PHM systems across a wide range of ICPS domains.
Abstract（参考訳）: 本稿では,産業用サイバー物理システムにおける深層学習に基づく予後・健康管理システムの堅牢性を評価するための,新しいブラックボックス対角テストフレームワークであるHEROについて述べる。 HEROは、Artificial Rabbit Optimizationを活用することで、グローバルおよびローカルな視点を通じて、現実世界のデータ分布と整合する物理的に制約された敵の例を生成する。その一般化性は、様々なICPSシナリオにまたがる適用性を保証する。本研究は, 高ダイナミックな運転条件, 複雑な劣化機構, 持続的で効率的なエネルギーソリューションとしてのICPSへの統合性の向上のために選択された, プロトン交換膜燃料電池システムに焦点を当てた。実験の結果は、HEROが最先端のPHMモデルでも脆弱性を発見できる能力を強調し、現実世界のアプリケーションで堅牢性を高めるための重要な必要性を浮き彫りにした。これらの課題に対処することにより、HEROは幅広いICPSドメインにまたがるよりレジリエントなPHMシステムを前進させる可能性を示す。

関連論文リスト

Poster: Enhancing GNN Robustness for Network Intrusion Detection via Agent-based Analysis [5.881825061973424]
グラフニューラルネットワーク(GNN)は、NIDS(Network Intrusion Detection Systems)に非常に有望であることを示す GNNは分布のドリフトによって性能が低下し、現実的な敵攻撃に対するロバスト性が欠如している。本研究は,エージェントパイプラインにLarge Language Models(LLMs)を模擬サイバーセキュリティ専門家エージェントとして使用することにより,GNNの堅牢性と一般化を促進する新しいアプローチを提案する。
論文参考訳（メタデータ） (2025-06-25T19:49:55Z)
EyeSim-VQA: A Free-Energy-Guided Eye Simulation Framework for Video Quality Assessment [68.77813885751308]
EyeSimVQAは、自由エネルギーベースの自己修復を取り入れた新しいVQAフレームワークである。現状の手法と比較して,EyeSimVQAは競争力や性能に優れることを示す。
論文参考訳（メタデータ） (2025-06-13T08:00:54Z)
Expert-in-the-Loop Systems with Cross-Domain and In-Domain Few-Shot Learning for Software Vulnerability Detection [38.083049237330826]
本研究では,CWE(Common Weaknessions)を用いたPythonコードの識別をシミュレーションすることにより,ソフトウェア脆弱性評価におけるLLM(Large Language Models)の利用について検討する。その結果,ゼロショットプロンプトは性能が低いが,少数ショットプロンプトは分類性能を著しく向上させることがわかった。モデル信頼性、解釈可能性、敵の堅牢性といった課題は、将来の研究にとって重要な領域のままである。
論文参考訳（メタデータ） (2025-06-11T18:43:51Z)
Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
論文参考訳（メタデータ） (2025-05-06T06:46:19Z)
Hybrid Temporal Differential Consistency Autoencoder for Efficient and Sustainable Anomaly Detection in Cyber-Physical Systems [0.0]
重要なインフラ、特に配水システムに対するサイバー攻撃は、急速なデジタル化により増加した。本研究では,センサデータの時間相関を利用した異常検出における重要な課題に対処する。本稿では,決定論的ノードと従来の統計ノードの両方を組み込んでTDCを拡張するハイブリッドTDC-AEという,ハイブリッドオートエンコーダに基づくアプローチを提案する。
論文参考訳（メタデータ） (2025-04-08T09:22:44Z)
A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
論文参考訳（メタデータ） (2024-12-18T14:11:15Z)
Survey on Foundation Models for Prognostics and Health Management in Industrial Cyber-Physical Systems [1.1034992901877594]
BERTやGPTのような大規模基盤モデル(LFM)は、AI技術の大幅な進歩を示している。 ChatGPTはこの研究パラダイムにおける顕著な成果であり、汎用人工知能の可能性を秘めている。データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待されている。
論文参考訳（メタデータ） (2023-12-11T09:58:46Z)
Enhancing Energy Efficiency and Reliability in Autonomous Systems Estimation using Neuromorphic Approach [0.0]
本研究ではスパイク符号化理論とスパイクニューラルネットワーク(SNN)に基づく推定フレームワークの導入に焦点をあてる。本稿では,SNNに基づくKalmanフィルタ(KF)を提案する。改良型スライディング・イノベーション・フィルタ(MSIF)に基づいて,SNN-MSIFと呼ばれるロバストな戦略を提案する。
論文参考訳（メタデータ） (2023-07-16T06:47:54Z)
Masked Spatial-Spectral Autoencoders Are Excellent Hyperspectral Defenders [15.839321488352535]
本研究では,HSI解析システムのロバスト性を高めるマスク付き空間スペクトルオートエンコーダ(MSSA)を提案する。限定ラベル付きサンプルの防衛伝達性の向上と課題に対処するため,MSSAはプリテキストタスクとしてスペクトル再構成を採用している。 3つのベンチマークの総合的な実験は、最先端のハイパースペクトル分類法と比較してMSSAの有効性を検証する。
論文参考訳（メタデータ） (2022-07-16T01:33:13Z)
Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文参考訳（メタデータ） (2021-11-04T20:18:55Z)

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。