論文の概要: DynaMark: A Reinforcement Learning Framework for Dynamic Watermarking in Industrial Machine Tool Controllers

• arxiv url: http://arxiv.org/abs/2508.21797v1
• Date: Fri, 29 Aug 2025 17:24:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.131093
• Title: DynaMark: A Reinforcement Learning Framework for Dynamic Watermarking in Industrial Machine Tool Controllers
• Title（参考訳）: DynaMark: インダストリアルマシンツールコントローラにおける動的透かしのための強化学習フレームワーク
• Authors: Navid Aftabi, Abhishek Hanchate, Satish Bukkapatnam, Dan Li,
• Abstract要約: DynaMark - 動的透かしをマルコフ決定プロセス(MDP)としてモデル化する強化学習フレームワーク 制御性能、エネルギー消費、検出信頼性を動的にバランスするユニークな報酬関数を最大化する。 Siemens Sinumerik 828Dコントローラーのデジタルツインで、DynaMarkは名目軌道を維持しながら透かしエネルギーを70%削減する。
• 参考スコア（独自算出の注目度）: 2.440379640936221
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industry 4.0's highly networked Machine Tool Controllers (MTCs) are prime targets for replay attacks that use outdated sensor data to manipulate actuators. Dynamic watermarking can reveal such tampering, but current schemes assume linear-Gaussian dynamics and use constant watermark statistics, making them vulnerable to the time-varying, partly proprietary behavior of MTCs. We close this gap with DynaMark, a reinforcement learning framework that models dynamic watermarking as a Markov decision process (MDP). It learns an adaptive policy online that dynamically adapts the covariance of a zero-mean Gaussian watermark using available measurements and detector feedback, without needing system knowledge. DynaMark maximizes a unique reward function balancing control performance, energy consumption, and detection confidence dynamically. We develop a Bayesian belief updating mechanism for real-time detection confidence in linear systems. This approach, independent of specific system assumptions, underpins the MDP for systems with linear dynamics. On a Siemens Sinumerik 828D controller digital twin, DynaMark achieves a reduction in watermark energy by 70% while preserving the nominal trajectory, compared to constant variance baselines. It also maintains an average detection delay equivalent to one sampling interval. A physical stepper-motor testbed validates these findings, rapidly triggering alarms with less control performance decline and exceeding existing benchmarks.
• Abstract（参考訳）: 産業用 4.0 の高度にネットワーク化されたマシンツールコントローラ (MTC) は、古いセンサーデータを使ってアクチュエータを操作するリプレイ攻撃の主ターゲットである。 動的透かしはそのような改ざんを明らかにすることができるが、現在のスキームでは線形ガウス力学を仮定し、一定の透かし統計を用いており、MCCの時間変化、部分的にプロプライエタリな振る舞いに弱い。 DynaMarkは動的透かしをMarkov決定プロセス(MDP)としてモデル化する強化学習フレームワークです。 システム知識を必要とせず、利用可能な測定値と検出器フィードバックを用いて、ゼロ平均ガウス透かしの共分散を動的に適応する適応ポリシーをオンラインで学習する。 DynaMarkは、制御性能、エネルギー消費、検出信頼性を動的にバランスするユニークな報酬関数を最大化する。 線形システムにおける実時間検出信頼のためのベイズ的信念更新機構を開発する。 このアプローチは、特定の系の仮定とは独立に、線形力学系に対するMDPの基盤となる。 Siemens Sinumerik 828D のデジタルツインでは、DynaMark は変分ベースラインに比べて名目軌道を保ちながら透かしエネルギーを70%削減する。 また、1つのサンプリング間隔に相当する平均検出遅延を保持する。 物理ステッパー・モーター・テストベッドがこれらの結果を検証し、制御性能が低下し、既存のベンチマークを超えたアラームを迅速に引き起こす。

関連論文リスト

• AI-Powered Machine Learning Approaches for Fault Diagnosis in Industrial Pumps [0.0]
  本研究では,実世界のセンサデータを用いた産業用ポンプシステムにおける早期故障検出の実践的アプローチを提案する。 フレームワークはスケーラブルで、解釈可能で、リアルタイムな産業展開に適している。
  論文  参考訳（メタデータ） (2025-08-21T13:33:09Z)
• Improving Real-Time Concept Drift Detection using a Hybrid Transformer-Autoencoder Framework [0.0]
  応用機械学習では、概念ドリフトはモデルの性能を著しく低下させる。 本研究では,複雑な時間力学をモデル化するためのトランスフォーマーとオートエンコーダを組み合わせたハイブリッドフレームワークを提案する。 以上の結果から,トランスフォーメーション・オートエンコーダは,文献で一般的に用いられるオートエンコーダよりも早く,より感度の高いドリフトを検出した。
  論文  参考訳（メタデータ） (2025-08-09T19:39:33Z)
• Machine Learning-Based Cyberattack Detection and Identification for Automatic Generation Control Systems Considering Nonlinearities [0.6144680854063939]
  AGCシステムの通信計測への依存は、それらを偽データ注入攻撃(FDIA)に晒す 本稿では、FDIAを識別し、漏洩した測定値を決定する機械学習(ML)ベースの検出フレームワークを提案する。 その結果,F1スコアは99.98%,FDIAは99.98%であった。
  論文  参考訳（メタデータ） (2025-04-12T23:06:59Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
  慣性センサーは様々な携帯機器で広く使われている。 ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。 WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
  論文  参考訳（メタデータ） (2023-12-29T07:44:06Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Incremental learning of LSTM framework for sensor fusion in attitude estimation [2.064612766965483]
  本稿では,Long-Short Term Memory (LSTM) ネットワークの漸進的学習による3次元空間における物体の姿勢推定手法を提案する。 慣性センサデータはLSTMネットワークに送られ、徐々に更新され、実行時に発生する動作の動的変化を組み込む。 提案フレームワークは,高度に動的な環境であっても,従来の手法と比較して,結果を著しく改善する。
  論文  参考訳（メタデータ） (2021-08-04T09:03:53Z)

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。