論文の概要: Experimental Assessment of a Multi-Class AI/ML Architecture for Real-Time Characterization of Cyber Events in a Live Research Reactor
- arxiv url: http://arxiv.org/abs/2509.00076v1
- Date: Tue, 26 Aug 2025 18:24:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.054122
- Title: Experimental Assessment of a Multi-Class AI/ML Architecture for Real-Time Characterization of Cyber Events in a Live Research Reactor
- Title（参考訳）: マルチクラスAI/MLアーキテクチャによる実機におけるサイバー事象のリアルタイム評価実験
- Authors: Zachery Dahm, Konstantinos Vasili, Vasileios Theos, Konstantinos Gkouliaras, William Richards, True Miller, Brian Jowers, Stylianos Chatzidakis,
- Abstract要約: AI/MLは、異常の識別の強化、システム障害の予測、運用スケジュールの最適化など、核ドメインにメリットを提供する可能性がある。
我々は、情報技術と運用技術の両方のデータストリームを統合した多層AI/MLアーキテクチャを導入する。
我々は、サービス拒否攻撃のような困難な状況下であっても、正常、異常、サイバーセキュリティ関連の事象を区別するAI/MLの能力を実証する。
- 参考スコア（独自算出の注目度）: 0.5059126718866466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is increased interest in applying Artificial Intelligence and Machine Learning (AI/ML) within the nuclear industry and nuclear engineering community. Effective implementation of AI/ML could offer benefits to the nuclear domain, including enhanced identification of anomalies, anticipation of system failures, and operational schedule optimization. However, limited work has been done to investigate the feasibility and applicability of AI/ML tools in a functioning nuclear reactor. Here, we go beyond the development of a single model and introduce a multi-layered AI/ML architecture that integrates both information technology and operational technology data streams to identify, characterize, and differentiate (i) among diverse cybersecurity events and (ii) between cyber events and other operational anomalies. Leveraging Purdue Universitys research reactor, PUR-1, we demonstrate this architecture through a representative use case that includes multiple concurrent false data injections and denial-of-service attacks of increasing complexity under realistic reactor conditions. The use case includes 14 system states (1 normal, 13 abnormal) and over 13.8 million multi-variate operational and information technology data points. The study demonstrated the capability of AI/ML to distinguish between normal, abnormal, and cybersecurity-related events, even under challenging conditions such as denial-of-service attacks. Combining operational and information technology data improved classification accuracy but posed challenges related to synchronization and collection during certain cyber events. While results indicate significant promise for AI/ML in nuclear cybersecurity, the findings also highlight the need for further refinement in handling complex event differentiation and multi-class architectures.
- Abstract（参考訳）: 原子力産業と原子力技術コミュニティに人工知能と機械学習(AI/ML)を適用することへの関心が高まっている。
AI/MLの効果的な実装は、異常の識別の強化、システム障害の予測、運用スケジュールの最適化など、核ドメインに利益をもたらす可能性がある。
しかし、機能する原子炉におけるAI/MLツールの実現可能性と適用性について、限られた研究がなされている。
ここでは、単一のモデルの開発を超えて、情報技術と運用技術の両方を統合して識別、特徴付け、差別化を行う、多層AI/MLアーキテクチャを導入します。
i) 多様なサイバーセキュリティイベントや
(ii) サイバーイベントと他の運用上の異常。
プルデュー大学の研究用原子炉PUR-1を用いて, 現実的な原子炉条件下での複雑さの増大に対する複数の同時偽データ注入とサービス停止攻撃を含む代表的なユースケースを通じて, このアーキテクチャを実証した。
このユースケースには14のシステム状態(1つの正常、13の異常)と1380万以上の多変量操作および情報技術データポイントが含まれる。
この研究は、サービス拒否攻撃のような困難な状況下であっても、AI/MLが正常、異常、およびサイバーセキュリティ関連の事象を区別する能力を示した。
運用と情報技術を組み合わせたデータにより、分類精度は向上したが、特定のサイバーイベントにおける同期と収集に関する課題が提起された。
その結果は、核サイバーセキュリティにおけるAI/MLの有望性を示しているが、複雑なイベントの区別とマルチクラスのアーキテクチャを扱うためのさらなる改善の必要性も浮き彫りにしている。
関連論文リスト
- AIGI-Holmes: Towards Explainable and Generalizable AI-Generated Image Detection via Multimodal Large Language Models [78.08374249341514]
AI生成コンテンツ(AIGC)の急速な発展は、誤情報を拡散するAIGIの誤用につながった。
大規模で包括的なデータセットであるHolmes-Setを導入し、画像がAI生成されているかどうかを解説したインストラクションチューニングデータセットを含む。
本研究は,MLLMの構造化説明と品質管理によるデータ生成を効率化する,Multi-Expert Juryと呼ばれる効率的なデータアノテーション手法を提案する。
さらに,視覚専門家による事前学習,教師付き微調整,直接選好最適化を含む3段階学習フレームワークであるHolmes Pipelineを提案する。
論文 参考訳（メタデータ） (2025-07-03T14:26:31Z) - From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications [57.38526350775472]
このチュートリアルは、大規模人工知能モデル(LAM)とエージェントAI技術の原則、設計、応用に関する体系的な紹介を提供する。
我々は,6G通信の背景を概説し,LAMからエージェントAIへの技術的進化を概説し,チュートリアルのモチベーションと主な貢献を明らかにする。
論文 参考訳（メタデータ） (2025-05-28T12:54:07Z) - Artificial Intelligence in Reactor Physics: Current Status and Future Prospects [28.708205150779563]
原子炉物理学は中性子物性の研究であり、中性子と原子炉の物質間の相互作用をモデルで調べることに焦点を当てている。
人工知能(AI)は、例えば運転シミュレーション、安全設計、リアルタイム監視、コア管理、保守において、原子炉物理学に多大な貢献をしている。
論文 参考訳（メタデータ） (2025-03-04T09:36:58Z) - Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - Leveraging Conversational Generative AI for Anomaly Detection in Digital Substations [0.0]
提案したADフレームワークとHITLベースのADフレームワークの比較評価を行うために,高度なパフォーマンス指標を採用している。
このアプローチは、サイバーセキュリティの課題が進展する中で、電力系統運用の信頼性を高めるための有望なソリューションを提供する。
論文 参考訳（メタデータ） (2024-11-09T18:38:35Z) - A Novel Generative AI-Based Framework for Anomaly Detection in Multicast Messages in Smart Grid Communications [0.0]
デジタル変電所におけるサイバーセキュリティ侵害は、電力系統の運用の安定性と信頼性に重大な課題をもたらす。
本稿では,マルチキャストメッセージのデータセットにおける異常検出(AD)のためのタスク指向対話システムを提案する。
潜在的なエラーが低く、人間の推奨するサイバーセキュリティガイドラインを考えるプロセスよりもスケーラビリティと適応性が向上します。
論文 参考訳（メタデータ） (2024-06-08T13:28:50Z) - 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) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - A review of Federated Learning in Intrusion Detection Systems for IoT [0.15469452301122172]
侵入検知システムは、環境中の異常を検索するデータ分析を行うインテリジェントシステムへと進化している。
ディープラーニング技術は、より複雑で効果的な脅威検出モデルを構築するための扉を開いた。
現在のアプローチは、すべてのパーティからデータを受け取る強力な集中型サーバに依存しています。
本稿では,侵入検出分野におけるフェデレートラーニング手法の適用に焦点を当てた。
論文 参考訳（メタデータ） (2022-04-26T17:00:07Z)
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。