論文の概要: Enhancing Resilience for IoE: A Perspective of Networking-Level Safeguard

• arxiv url: http://arxiv.org/abs/2508.20504v1
• Date: Thu, 28 Aug 2025 07:42:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:02.158228
• Title: Enhancing Resilience for IoE: A Perspective of Networking-Level Safeguard
• Title（参考訳）: IoEのレジリエンスを高める:ネットワークレベル保護の展望
• Authors: Guan-Yan Yang, Jui-Ning Chen, Farn Wang, Kuo-Hui Yeh,
• Abstract要約: Internet of Energy (IoE)は、IoT駆動のデジタル通信と電力グリッドを統合し、効率的で持続可能なエネルギーシステムを実現する。 それでも、その相互接続性は、従来の安全を回避すべく設計された敵攻撃を含む、高度なサイバー脅威に対する重要なインフラを公開する。 本稿では,グラフトポロジとノード表現を協調的に最適化し,敵対的ネットワークモデル操作に抵抗するグラフ構造学習(GSL)ベースのセーフガードフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.1815858785796367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Internet of Energy (IoE) integrates IoT-driven digital communication with power grids to enable efficient and sustainable energy systems. Still, its interconnectivity exposes critical infrastructure to sophisticated cyber threats, including adversarial attacks designed to bypass traditional safeguards. Unlike general IoT risks, IoE threats have heightened public safety consequences, demanding resilient solutions. From the networking-level safeguard perspective, we propose a Graph Structure Learning (GSL)-based safeguards framework that jointly optimizes graph topology and node representations to resist adversarial network model manipulation inherently. Through a conceptual overview, architectural discussion, and case study on a security dataset, we demonstrate GSL's superior robustness over representative methods, offering practitioners a viable path to secure IoE networks against evolving attacks. This work highlights the potential of GSL to enhance the resilience and reliability of future IoE networks for practitioners managing critical infrastructure. Lastly, we identify key open challenges and propose future research directions in this novel research area.
• Abstract（参考訳）: Internet of Energy (IoE)は、IoT駆動のデジタル通信と電力グリッドを統合し、効率的で持続可能なエネルギーシステムを実現する。 それでも、その相互接続性は、従来の安全を回避すべく設計された敵攻撃を含む、高度なサイバー脅威に対する重要なインフラを公開する。 一般的なIoTリスクとは異なり、IoEの脅威は公共の安全を増し、レジリエントなソリューションを必要としている。 ネットワークレベルのセーフガードの観点から,グラフトポロジとノード表現を協調的に最適化するグラフ構造学習(GSL)ベースのセーフガードフレームワークを提案する。 概念的概要、アーキテクチャ上の議論、およびセキュリティデータセットのケーススタディを通じて、GSLが代表的手法よりも優れたロバスト性を示し、IoEネットワークを進化する攻撃から保護するための実行可能なパスを提供する。 この研究は、重要なインフラを管理する実践者のための将来のIoEネットワークのレジリエンスと信頼性を高めるためのGSLの可能性を強調している。 最後に,この新たな研究領域において,鍵となるオープン課題を特定し,今後の研究方向性を提案する。

関連論文リスト

• Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
  Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。 ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
  論文  参考訳（メタデータ） (2025-05-26T06:44:31Z)
• Federated Learning-Driven Cybersecurity Framework for IoT Networks with Privacy-Preserving and Real-Time Threat Detection Capabilities [0.0]
  従来の集中型セキュリティ手法は、IoTネットワークにおけるプライバシ保護とリアルタイム脅威検出のバランスをとるのに苦労することが多い。 本研究では,IoT環境に特化したフェデレート学習駆動型サイバーセキュリティフレームワークを提案する。 局所的に訓練されたモデルのセキュアアグリゲーションは、同型暗号を用いて達成され、機密情報を漏らさずに協調学習が可能である。
  論文  参考訳（メタデータ） (2025-02-14T23:11:51Z)
• Achieving Network Resilience through Graph Neural Network-enabled Deep Reinforcement Learning [64.20847540439318]
  深層強化学習(DRL)は多くの重要な通信ネットワークのタスクで広く利用されている。 グラフニューラルネットワーク(GNN)とDRLを組み合わせて、GNNを用いてネットワークの非構造的特徴を抽出する研究もある。 本稿では,GNNとDRLを組み合わせたレジリエントネットワークの構築について検討する。
  論文  参考訳（メタデータ） (2025-01-19T15:22:17Z)
• A Comprehensive Analysis of Routing Vulnerabilities and Defense Strategies in IoT Networks [0.0]
  IoT(Internet of Things)はさまざまなドメインに革命をもたらし、相互接続性の向上とデータ交換を通じて大きなメリットを提供している。 しかし、IoTネットワークに関連するセキュリティ上の課題は、その固有の脆弱性のため、ますます顕著になっている。 本稿では、IoTアーキテクチャにおけるネットワーク層の詳細分析を行い、ルーティングアタックによる潜在的なリスクを明らかにする。
  論文  参考訳（メタデータ） (2024-10-17T04:38:53Z)
• Cyberattack Data Analysis in IoT Environments using Big Data [0.0]
  私たちの研究は、相互運用性や標準化プロトコルなど、接続性やセキュリティ上の課題の増加に対処しています。 セキュリティ脆弱性の詳細な分析では、攻撃行動、ネットワークトラフィック異常、TCPフラグの使用、ターゲット攻撃など、複雑なパターンと脅威を特定しました。
  論文  参考訳（メタデータ） (2024-06-14T02:12:43Z)
• AI-Protected Blockchain-based IoT environments: Harnessing the Future of Network Security and Privacy [0.0]
  本稿では,ブロックチェーン対応IoTシステムにおいて,人工知能が果たす重要な役割について考察する。 AIと組み合わせると、これらのシステムはセキュリティプロトコルの自動化と最適化だけでなく、新しく進化するサイバー脅威に対応する能力を得る。 本稿は、AIによって強化されたブロックチェーン技術がIoT環境におけるネットワークセキュリティとプライバシに革命をもたらす方法について、より深く理解することを目的としている。
  論文  参考訳（メタデータ） (2024-05-22T17:14:19Z)
• GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
  我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。 以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
  論文  参考訳（メタデータ） (2024-05-20T14:43:46Z)
• Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
  Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。 本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。 私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
  論文  参考訳（メタデータ） (2024-02-21T06:22:41Z)
• From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
  生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-27T02:58:11Z)
• Web-Based Platform for Evaluation of Resilient and Transactive Smart-Grids [0.0]
  トランスアクティブ・エナジー(TE)は、経済・制御技術を通じて、スマートグレードにおけるDERの増加を管理するための新たなアプローチである。 我々は、様々なサイバー攻撃や物理的攻撃に対して、スマートグリッドのレジリエンスを評価するための包括的Webベースのプラットフォームを提案する。
  論文  参考訳（メタデータ） (2022-06-11T15:34:33Z)

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。