論文の概要: Transportation Cyber Incident Awareness through Generative AI-Based Incident Analysis and Retrieval-Augmented Question-Answering Systems

• arxiv url: http://arxiv.org/abs/2508.02523v1
• Date: Mon, 04 Aug 2025 15:34:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 13:20:22.744614
• Title: Transportation Cyber Incident Awareness through Generative AI-Based Incident Analysis and Retrieval-Augmented Question-Answering Systems
• Title（参考訳）: ジェネレーティブAIを用いたインシデント分析と検索型質問応答システムによる移動型サイバーインシデント認識
• Authors: Ostonya Thomas, Muhaimin Bin Munir, Jean-Michel Tine, Mizanur Rahman, Yuchen Cai, Khandakar Ashrafi Akbar, Md Nahiyan Uddin, Latifur Khan, Trayce Hockstad, Mashrur Chowdhury,
• Abstract要約: 本稿では,輸送関連サイバーインシデントを抽出・整理する大規模言語モデル(LLM)を提案する。 この研究の重要な貢献は、生成AIを使用して、構造化されていない異種サイバーインシデントデータを構造化フォーマットに変換することである。 本研究は,交通機関におけるサイバーセキュリティ意識向上のための,新しい,アクセス可能なツールである。
• 参考スコア（独自算出の注目度）: 10.753557727661027
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Technological advancements have revolutionized numerous industries, including transportation. While digitalization, automation, and connectivity have enhanced safety and efficiency, they have also introduced new vulnerabilities. With 95% of data breaches attributed to human error, promoting cybersecurity awareness in transportation is increasingly critical. Despite numerous cyberattacks on transportation systems worldwide, comprehensive and centralized records of these incidents remain scarce. To address this gap and enhance cyber awareness, this paper presents a large language model (LLM) based approach to extract and organize transportation related cyber incidents from publicly available datasets. A key contribution of this work is the use of generative AI to transform unstructured, heterogeneous cyber incident data into structured formats. Incidents were sourced from the Center for Strategic & International Studies (CSIS) List of Significant Cyber Incidents, the University of Maryland Cyber Events Database (UMCED), the European Repository of Cyber Incidents (EuRepoC), the Maritime Cyber Attack Database (MCAD), and the U.S. DOT Transportation Cybersecurity and Resiliency (TraCR) Examples of Cyber Attacks in Transportation (2018 to 2022). These were classified by a fine tuned LLM into five transportation modes: aviation, maritime, rail, road, and multimodal, forming a transportation specific cyber incident database. Another key contribution of this work is the development of a Retrieval Augmented Generation question answering system, designed to enhance accessibility and practical use by enabling users to query the curated database for specific details on transportation related cyber incidents. By leveraging LLMs for both data extraction and user interaction, this study contributes a novel, accessible tool for improving cybersecurity awareness in the transportation sector.
• Abstract（参考訳）: 技術進歩は輸送を含む多くの産業に革命をもたらした。 デジタル化、自動化、接続性は安全性と効率を向上させる一方で、新たな脆弱性も導入している。 95%のデータ漏洩はヒューマンエラーによるもので、輸送におけるサイバーセキュリティの認識を促進することがますます重要になっている。 世界中の交通システムにサイバー攻撃が相次いだにもかかわらず、これらの事件の包括的で集中的な記録は残っていない。 このギャップに対処し、サイバー認知を高めるために、公開データセットから輸送関連サイバーインシデントを抽出・整理するための大規模言語モデル(LLM)に基づくアプローチを提案する。 この研究の重要な貢献は、生成AIを使用して、構造化されていない異種サイバーインシデントデータを構造化フォーマットに変換することである。 事件はCenter for Strategic & International Studies (CSIS) List of Significant Cyber Incidents, the University of Maryland Cyber Events Database (UMCED), the European Repository of Cyber Incidents (EuRepoC), the Maritime Cyber Attack Database (MCAD), and the U.S. DOT Transportation Cybersecurity and Resiliency (TraCR) Examples of Cyber Attacks in Transportation (2018-2022)から引き出された。 これらは、航空、海上、鉄道、道路、マルチモーダルの5つの交通モードに分類され、輸送固有のサイバーインシデントデータベースを形成した。 この研究のもう1つの重要な貢献は、アクセシビリティと実用性を高めるためにデザインされた検索型Augmented Generation質問応答システムの開発である。 データ抽出とユーザインタラクションの両方にLLMを活用することで、交通分野におけるサイバーセキュリティの認識を改善するための、新しい、アクセス可能なツールを提供する。

関連論文リスト

• Exploring Traffic Simulation and Cybersecurity Strategies Using Large Language Models [5.757331432762268]
  本研究では,交通シミュレーションとサイバーセキュリティテストを強化するための新しいマルチエージェントフレームワークを提案する。 このフレームワークは、交通シナリオの作成、サイバー攻撃戦略の設計、防衛機構の開発を自動化する。 攻撃時の移動時間は10.2%増加しており、防衛戦略により3.3%減少している。
  論文  参考訳（メタデータ） (2025-06-20T02:41:23Z)
• Llama-3.1-FoundationAI-SecurityLLM-Base-8B Technical Report [50.268821168513654]
  我々は,Llama 3.1アーキテクチャ上に構築された,サイバーセキュリティにフォーカスした大規模言語モデル(LLM)であるFoundation-Sec-8Bを紹介する。 我々は、Llama 3.1-70B と GPT-4o-mini がサイバーセキュリティ固有のタスクで一致していることを示し、確立された新しいサイバーセキュリティベンチマークと新しいサイバーセキュリティベンチマークの両方で評価した。 当社のモデルを一般公開することで、公開とプライベート両方のサイバーセキュリティ状況において、AI駆動ツールの進歩と採用を加速することを目指しています。
  論文  参考訳（メタデータ） (2025-04-28T08:41:12Z)
• Cybersecurity in Transportation Systems: Policies and Technology Directions [5.6728030756050964]
  交通機関にまたがるサイバースペースの統合は、新しい意図的なサイバー脅威をもたらした。 公共機関は、その脆弱性が敵に知られていなかったため、デジタルインフラが確保されたと仮定した。 本研究では,交通におけるサイバー脆弱性の増加要因について検討した。
  論文  参考訳（メタデータ） (2025-01-09T16:36:40Z)
• Security in IS and social engineering -- an overview and state of the art [0.6345523830122166]
  すべてのプロセスのデジタル化とIoTデバイスのオープン化は、サイバー犯罪という新たな犯罪形態の出現を促している。 こうした攻撃の悪意は、ユーザーがサイバー攻撃のファシリテーターになるという事実にある。 予測方法、弱い信号と外れ値の特定、早期発見、コンピュータ犯罪への迅速な対応が優先課題であり、予防と協力のアプローチが必要である。
  論文  参考訳（メタデータ） (2024-06-17T13:25:27Z)
• A Comprehensive Overview of Large Language Models (LLMs) for Cyber Defences: Opportunities and Directions [12.044950530380563]
  最近のLLM(Large Language Models)の進歩は、データ中心のアプリケーション分野で大きな成功を収めている。 サイバー防衛部門におけるLSMの最近の活動の概要について概説する。 トランスフォーマー, 事前学習トランスフォーマー, GPTからのLCMの進行に関する基本的な概念を述べる。
  論文  参考訳（メタデータ） (2024-05-23T12:19:07Z)
• Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
  IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。 特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2024-03-29T12:01:31Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Survey on Security Attacks in Connected and Autonomous Vehicular Systems [0.0]
  本研究は,CAV環境におけるサイバーセキュリティの現状について概説する。 CAVのコンテキストにおけるサイバーセキュリティの脅威と弱点を、車両ネットワークに対する攻撃、インターネットに対する大規模な攻撃、その他の3つのグループに分類する。 CAVを確保するための最も最新の防衛戦術を詳述し、その効果を分析している。
  論文  参考訳（メタデータ） (2023-10-14T06:37:05Z)
• 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)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
  この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。 様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
  論文  参考訳（メタデータ） (2020-12-18T22:38:47Z)

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。