論文の概要: Securing Swarms: Cross-Domain Adaptation for ROS2-based CPS Anomaly Detection

• arxiv url: http://arxiv.org/abs/2508.15865v1
• Date: Wed, 20 Aug 2025 20:02:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.131274
• Title: Securing Swarms: Cross-Domain Adaptation for ROS2-based CPS Anomaly Detection
• Title（参考訳）: セキュアなSwarm: ROS2ベースのCPS異常検出のためのクロスドメイン適応
• Authors: Julia Boone, Fatemeh Afghah,
• Abstract要約: サイバー物理システム(CPS)は、重要な応用にますます利用されている。 CPSはネットワークのみのシステムに比べて攻撃に弱い。 我々は、事前にラベル付けされたデータを必要とせずに、CPS内の攻撃を検知できる異常検出モデルを開発した。
• 参考スコア（独自算出の注目度）: 9.118996584649599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber-physical systems (CPS) are being increasingly utilized for critical applications. CPS combines sensing and computing elements, often having multi-layer designs with networking, computational, and physical interfaces, which provide them with enhanced capabilities for a variety of application scenarios. However, the combination of physical and computational elements also makes CPS more vulnerable to attacks compared to network-only systems, and the resulting impacts of CPS attacks can be substantial. Intelligent intrusion detection systems (IDS) are an effective mechanism by which CPS can be secured, but the majority of current solutions often train and validate on network traffic-only datasets, ignoring the distinct attacks that may occur on other system layers. In order to address this, we develop an adaptable CPS anomaly detection model that can detect attacks within CPS without the need for previously labeled data. To achieve this, we utilize domain adaptation techniques that allow us to transfer known attack knowledge from a network traffic-only environment to a CPS environment. We validate our approach using a state-of-the-art CPS intrusion dataset that combines network, operating system (OS), and Robot Operating System (ROS) data. Through this dataset, we are able to demonstrate the effectiveness of our model across network traffic-only and CPS environments with distinct attack types and its ability to outperform other anomaly detection methods.
• Abstract（参考訳）: サイバー物理システム(CPS)は、重要な応用にますます利用されている。 CPSは、センサーとコンピューティング要素を組み合わせており、多層設計とネットワーク、計算、物理インターフェースを兼ね備えており、様々なアプリケーションシナリオに拡張機能を提供する。 しかし、物理要素と計算要素の組み合わせにより、CPSはネットワークのみのシステムに比べて攻撃に対して脆弱になり、その結果のCPS攻撃の影響は大きい。 インテリジェント侵入検知システム(IDS)は、CPSをセキュアにするための効果的なメカニズムであるが、現在のソリューションの多くは、ネットワークトラフィックのみのデータセットをトレーニングし、検証し、他のシステム層で発生する可能性のある異なる攻撃を無視している。 そこで我々は,事前にラベル付けされたデータを必要としないCPS内の攻撃を検知できる適応型CPS異常検出モデルを開発した。 これを実現するために,ネットワークトラフィックのみの環境からCPS環境へ既知の攻撃知識を転送するドメイン適応手法を利用する。 我々は、ネットワーク、オペレーティングシステム(OS)、ロボットオペレーティングシステム(ROS)データを組み合わせた最先端のCPS侵入データセットを用いて、我々のアプローチを検証する。 このデータセットにより、ネットワークトラフィックのみの環境とCPS環境をまたいだモデルの有効性を、異なる攻撃タイプと、他の異常検出方法よりも優れていることを示すことができる。

関連論文リスト

• CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
  本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。 RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。 結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-07-19T20:09:52Z)
• CyFence: Securing Cyber-Physical Controllers via Trusted Execution Environment [45.86654759872101]
  サイバー物理システム(CPS)は、サイバー攻撃により多くの負荷を掛けて、技術進化と接続性の向上を経験してきた。 セマンティックチェックを追加することで,サイバー攻撃に対する閉ループ制御システムのレジリエンスを向上させる新しいアーキテクチャであるCyFenceを提案する。 我々はCyFenceをアクティブブレーキデジタルコントローラからなる実世界のアプリケーションとして評価し、異なるタイプの攻撃を無視可能なオーバーヘッドで軽減できることを実証した。
  論文  参考訳（メタデータ） (2025-06-12T12:22:45Z)
• Topology-aware Detection and Localization of Distributed Denial-of-Service Attacks in Network-on-Chips [2.6490401904186758]
  本稿では,グラフニューラルネットワーク(GNN)を用いたDDoS攻撃のトポロジ対応検出とローカライズを行うためのフレームワークを提案する。 NoCをグラフとしてモデル化することにより、トラフィック機能を利用してDDoS攻撃を効果的に識別し、ローカライズする。 実験結果から,DDoS攻撃を高い精度(最大99%)で検出およびローカライズできると同時に,多様な攻撃戦略の下で一貫した性能を維持することができることがわかった。
  論文  参考訳（メタデータ） (2025-05-20T20:49:34Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Federated Learning for Cyber Physical Systems: A Comprehensive Survey [49.54239703000928]
  近年,フェデレートラーニング(FL)が普及している。 この記事では、FLが、インテリジェントトランスポートシステム、サイバーセキュリティサービス、スマートシティ、スマートヘルスケアソリューションなど、重要なCPSアプリケーションでどのように利用されるのかを精査する。
  論文  参考訳（メタデータ） (2025-05-08T01:17:15Z)
• Enhancing Network Security Management in Water Systems using FM-based Attack Attribution [43.48086726793515]
  本稿では,水系センサとアクチュエータの相互作用を生かし,サイバー攻撃に対する詳細な説明と属性を提供する,FM(Model-Agnostic Factorization Machines)に基づく新しい手法を提案する。 複雑なセンサーとアクチュエータの相互作用を含む多機能サイバー攻撃シナリオにおいて、FMベースの攻撃属性法は攻撃根原因を効果的にランク付けし、SHAPやLEMNAよりも平均20%向上した。
  論文  参考訳（メタデータ） (2025-03-03T06:52:00Z)
• A Survey of Anomaly Detection in Cyber-Physical Systems [1.2891210250935148]
  本稿では,CPSにおける異常検出に対する研究者のアプローチについて概説する。 機械学習、ディープラーニング、数学的モデル、不変量、ハイブリッド技術などの手法を分類し比較する。 私たちのゴールは、読者がこれらの手法の長所と短所を理解し、より安全で信頼性の高いCPSを作成する方法を理解することです。
  論文  参考訳（メタデータ） (2025-02-18T19:38:18Z)
• Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning [2.2457306746668766]
  本研究は,ICS環境におけるネットワークデータとプロセスデータの組み合わせによる攻撃検出の改善について検討する。 この結果から,ネットワークトラフィックと運用プロセスデータの統合により,検出能力が向上することが示唆された。 結果は有望だが、彼らは予備的であり、さらなる研究の必要性を強調している。
  論文  参考訳（メタデータ） (2024-10-25T17:41:33Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• 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)
• Resilient Machine Learning for Networked Cyber Physical Systems: A Survey for Machine Learning Security to Securing Machine Learning for CPS [3.5643245407473545]
  サイバー物理システム(CPS)は、物理と情報の世界を統合する能力によって特徴付けられる。 CPSにおけるサイバー上の関心の引き金は、センサから無線通信媒体を介してアクチュエータに情報を送信するプロセスから生じる。 敵対者の増加の世界では、CPSが敵対攻撃から完全に防ぐことがますます困難になっています。 レジリエントなCPSは障害に耐え、敵の操作にもかかわらず機能するように設計されている。
  論文  参考訳（メタデータ） (2021-02-14T20:50:18Z)

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。