論文の概要: Game Theoretic Resilience Recommendation Framework for CyberPhysical Microgrids Using Hypergraph MetaLearning

• arxiv url: http://arxiv.org/abs/2509.00528v1
• Date: Sat, 30 Aug 2025 15:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.271439
• Title: Game Theoretic Resilience Recommendation Framework for CyberPhysical Microgrids Using Hypergraph MetaLearning
• Title（参考訳）: ハイパーグラフメタラーニングを用いたサイバー物理マイクログリッドのためのゲーム理論レジリエンス勧告フレームワーク
• Authors: S Krishna Niketh, Prasanta K Panigrahi, V Vignesh, Mayukha Pal,
• Abstract要約: 本稿では, 協調型サイバー攻撃下での放射状マイクログリッドに対する物理対応型サイバー物理レジリエンスフレームワークを提案する。 提案手法は,モデルメタラーニング(MAML)により強化されたハイパーグラフニューラルネットワーク(HGNN)を介して攻撃者をモデル化する。 その結果、提案された防衛戦略は、トップランク攻撃の90%に対して、ほぼ完全なサービス回復を図っている。
• 参考スコア（独自算出の注目度）: 0.7839709681312921
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a physics-aware cyberphysical resilience framework for radial microgrids under coordinated cyberattacks. The proposed approach models the attacker through a hypergraph neural network (HGNN) enhanced with model agnostic metalearning (MAML) to rapidly adapt to evolving defense strategies and predict high-impact contingencies. The defender is modeled via a bi-level Stackelberg game, where the upper level selects optimal tie-line switching and distributed energy resource (DER) dispatch using an Alternating Direction Method of Multipliers (ADMM) coordinator embedded within the Non-dominated Sorting Genetic Algorithm II (NSGA-II). The framework simultaneously optimizes load served, operational cost, and voltage stability, ensuring all post-defense states satisfy network physics constraints. The methodology is first validated on the IEEE 69-bus distribution test system with 12 DERs, 8 critical loads, and 5 tie-lines, and then extended to higher bus systems including the IEEE 123-bus feeder and a synthetic 300-bus distribution system. Results show that the proposed defense strategy restores nearly full service for 90% of top-ranked attacks, mitigates voltage violations, and identifies Feeder 2 as the principal vulnerability corridor. Actionable operating rules are derived, recommending pre-arming of specific tie-lines to enhance resilience, while higher bus system studies confirm scalability of the framework on the IEEE 123-bus and 300-bus systems.
• Abstract（参考訳）: 本稿では, 協調型サイバー攻撃下での放射状マイクログリッドに対する物理対応型サイバー物理レジリエンスフレームワークを提案する。 提案手法は、モデル非依存メタラーニング(MAML)によって強化されたハイパーグラフニューラルネットワーク(HGNN)を介して攻撃者をモデル化し、進化する防衛戦略に迅速に適応し、高影響の事態を予測する。 ディフェンダーは双方向のスタックルバーグゲームでモデル化され、上位レベルは非支配的ソーティング遺伝的アルゴリズムII (NSGA-II) に組み込まれた Alternating Direction Method of Multipliers (ADMM) コーディネータを用いて最適なタイラインスイッチングと分散エネルギーリソース(DER)ディスパッチを選択する。 このフレームワークは、負荷、運用コスト、電圧安定性を同時に最適化し、すべての防衛後の状態がネットワーク物理の制約を満たすことを保証する。 この手法は, IEEE 69バスの配電システムにおいて, 12 DER, 8 重負荷, 5 タイラインで検証され, その後, IEEE 123 バス供給装置や合成300 バス配電システムを含む高次バスシステムに拡張された。 その結果、提案した防衛戦略は、トップランク攻撃の90%でほぼ完全なサービスを回復し、電圧違反を軽減し、Feder 2を主要な脆弱性回廊として特定した。 動作可能な動作ルールが導出され、レジリエンスを高めるために特定のタイラインの事前武装が推奨される一方、高度なバスシステムはIEEE 123バスと300バスシステムのフレームワークのスケーラビリティを確認している。

関連論文リスト

• Grid-Agent: An LLM-Powered Multi-Agent System for Power Grid Control [3.6784716895648466]
  本稿では,リアルタイムにグリッド違反を検出し,対処する自律型AI駆動型フレームワークであるGrid-Agentを紹介する。 Grid-Agentは、モジュールエージェントアーキテクチャを通じて意味論的推論と数値的精度を統合する。 このフレームワークは、スイッチ設定の最適化、バッテリ配置、負荷削減戦略を通じて、コーディネートされた違反解決を可能にする。
  論文  参考訳（メタデータ） (2025-08-07T01:10:28Z)
• CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
  本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。 フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T09:53:06Z)
• Optimized detection of cyber-attacks on IoT networks via hybrid deep learning models [7.136205674624813]
  モノのインターネット(IoT)デバイスの急速な拡張は、サイバー攻撃のリスクを高めている。 本研究は,自己組織マップ(SOMs),ディープリーフネットワーク(DBNs),およびオートエンコーダを組み合わせた新たなアプローチを導入し,既知の,あるいはこれまで目に見えない攻撃パターンを検出する。
  論文  参考訳（メタデータ） (2025-02-17T06:01:06Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Physics-Informed Convolutional Autoencoder for Cyber Anomaly Detection in Power Distribution Grids [0.0]
  本稿では,物理インフォームド・コンボリューション・オートエンコーダ(PIConvAE)を提案する。 提案モデルは、Kirchhoffの法則を適用して、ニューラルネットワークの損失関数に物理原理を統合する。
  論文  参考訳（メタデータ） (2023-12-08T00:05:13Z)
• Distributed Adversarial Training to Robustify Deep Neural Networks at Scale [100.19539096465101]
  現在のディープニューラルネットワーク(DNN)は、入力に対する敵の摂動が分類を変更したり操作したりする敵の攻撃に対して脆弱である。 このような攻撃を防御するために、敵の訓練(AT)として知られる効果的なアプローチが、堅牢な訓練を緩和するために示されている。 複数のマシンにまたがって実装された大規模バッチ対逆トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-13T15:39:43Z)
• Interpolated Joint Space Adversarial Training for Robust and Generalizable Defenses [82.3052187788609]
  敵の訓練(AT)は、敵の攻撃に対する最も信頼できる防御の1つと考えられている。 近年の研究では、新たな脅威モデルの下での対向サンプルによる一般化の改善が示されている。 我々は、JSTM(Joint Space Threat Model)と呼ばれる新しい脅威モデルを提案する。 JSTMでは,新たな敵攻撃・防衛手法が開発されている。
  論文  参考訳（メタデータ） (2021-12-12T21:08:14Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。