論文の概要: Securing Radiation Detection Systems with an Efficient TinyML-Based IDS for Edge Devices
- arxiv url: http://arxiv.org/abs/2509.01592v1
- Date: Mon, 01 Sep 2025 16:26:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.773522
- Title: Securing Radiation Detection Systems with an Efficient TinyML-Based IDS for Edge Devices
- Title（参考訳）: エッジデバイス用高効率TinyML IDSを用いた放射線検出システム
- Authors: Einstein Rivas Pizarro, Wajiha Zaheer, Li Yang, Khalil El-Khatib, Glenn Harvel,
- Abstract要約: 放射線検出システム(RDS)は、様々な環境において公衆の安全を確保する上で重要な役割を担っている。
これらのシステムはますますサイバー攻撃に弱い。
本稿では,資源制約環境に適した新しい合成放射線データセットと侵入検知システム(IDS)を提案する。
- 参考スコア（独自算出の注目度）: 3.5216201054915692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radiation Detection Systems (RDSs) play a vital role in ensuring public safety across various settings, from nuclear facilities to medical environments. However, these systems are increasingly vulnerable to cyber-attacks such as data injection, man-in-the-middle (MITM) attacks, ICMP floods, botnet attacks, privilege escalation, and distributed denial-of-service (DDoS) attacks. Such threats could compromise the integrity and reliability of radiation measurements, posing significant public health and safety risks. This paper presents a new synthetic radiation dataset and an Intrusion Detection System (IDS) tailored for resource-constrained environments, bringing Machine Learning (ML) predictive capabilities closer to the sensing edge layer of critical infrastructure. Leveraging TinyML techniques, the proposed IDS employs an optimized XGBoost model enhanced with pruning, quantization, feature selection, and sampling. These TinyML techniques significantly reduce the size of the model and computational demands, enabling real-time intrusion detection on low-resource devices while maintaining a reasonable balance between efficiency and accuracy.
- Abstract（参考訳）: 放射線検出システム(RDS)は、原子力施設から医療環境まで様々な環境において、公衆の安全を確保する上で重要な役割を担っている。
しかし、これらのシステムは、データインジェクション、man-in-the-middle(MITM)攻撃、ICMP洪水、ボットネット攻撃、特権エスカレーション、分散サービス拒否(DDoS)攻撃などのサイバー攻撃にますます脆弱になっている。
このような脅威は、放射線測定の完全性と信頼性を損なう可能性があり、公衆衛生と安全性の重大なリスクを生じさせる可能性がある。
本稿では、資源制約環境に適した新しい合成放射線データセットと侵入検知システム(IDS)を提案し、機械学習(ML)予測能力を重要なインフラのセンサーエッジ層に近づける。
TinyML技術を活用するため、提案したIDSでは、プルーニング、量子化、特徴選択、サンプリングによって強化された最適化されたXGBoostモデルを採用している。
これらのTinyML技術は、モデルのサイズと計算要求を大幅に削減し、効率と精度の適切なバランスを維持しながら、低リソースデバイス上でリアルタイムな侵入検出を可能にする。
関連論文リスト
- An Efficient Intrusion Detection System for Safeguarding Radiation Detection Systems [3.0341074926328044]
放射線検出システム(RDS)は、環境中の放射性物質の異常なレベルを測定し、検出するために用いられる。
これらのシステムには、データを修正するための悪意のある外部攻撃に対する保護がない。
RDSに対する一般的な攻撃はDoS(Denial of Service)であり、攻撃者はシステムを圧倒し、機能不全なRDSを引き起こす。
本稿では,DoS攻撃に着目し,放射データの異常を検出するための機械学習(ML)ベースの効率的なIDSを提案する。
論文 参考訳（メタデータ） (2025-09-01T16:31:46Z) - Learning from Few Samples: A Novel Approach for High-Quality Malcode Generation [47.76793060077816]
侵入検知システム(IDS)は,ネットワークセキュリティ防衛において重要な役割を担っている。
検出モデルのトレーニングにおけるIDSの重要な課題は、適切にラベル付けされた悪意のあるサンプルが不足していることである。
本稿では、GAN(Generative Adrial Networks)とLLM(Large Language Models)を統合した、新しい半教師付きフレームワーク textbfGANGRL-LLMを提案する。
論文 参考訳（メタデータ） (2025-08-25T15:55:17Z) - A Hierarchical IDS for Zero-Day Attack Detection in Internet of Medical Things Networks [1.024113475677323]
我々は、ゼロデイ攻撃を検出し、既知の脅威と未知の脅威を区別できるマルチレベルIoMT IDSフレームワークを提案する。
第1層は、新しいデータセットを必要とせず、ゼロデイ攻撃を高精度に検出し、IoMT環境での強い適用性を保証する。
論文 参考訳（メタデータ） (2025-08-14T05:08:37Z) - Are Trees Really Green? A Detection Approach of IoT Malware Attacks [0.3749861135832073]
Internet of Things(IoT)デバイスは、リソースの制約とセキュリティパッチの適用の難しさにより、依然として脆弱である。
本稿では,フローのプライバシ保存による統計的特徴に基づくIoTマルウェアネットワーク攻撃を識別するグリーン手法を提案する。
論文 参考訳（メタデータ） (2025-06-09T15:01:04Z) - Robust Intrusion Detection System with Explainable Artificial Intelligence [0.0]
逆入力は、標準インターフェイスを通じて機械学習(ML)モデルを利用することができる。
敵の訓練のような従来の防御は、計算的な用語で費用がかかるため、しばしばリアルタイム検出の提供に失敗する。
eXplainable Artificial Intelligence (XAI) を用いた敵攻撃の検出と緩和のための新しい戦略を提案する。
論文 参考訳（メタデータ） (2025-03-07T10:31:59Z) - 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) - MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。
これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。
時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
論文 参考訳（メタデータ） (2024-11-15T15:05:01Z) - Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。
マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。
ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
論文 参考訳（メタデータ） (2024-10-11T09:36:38Z) - Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems [1.749521391198341]
日々の生活にIoT(Internet of Things)アプリケーションを統合することで、データトラフィックが急増し、重大なセキュリティ上の問題が発生しています。
本稿では、コストと精度のバランスの取れたトレードオフを見つけるための新しい手法を導入することにより、エッジレベルでのMLベースのIDSの有効性を向上させることに焦点を当てる。
論文 参考訳（メタデータ） (2024-04-29T21:26:18Z) - 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) - Adaptive Attack Detection in Text Classification: Leveraging Space Exploration Features for Text Sentiment Classification [44.99833362998488]
敵のサンプル検出は、特に急速に進化する攻撃に直面して、適応的なサイバー防御において重要な役割を果たす。
本稿では,BERT(Bidirectional Representations from Transformers)のパワーを活用し,空間探索機能(Space Exploration Features)の概念を提案する。
論文 参考訳（メタデータ） (2023-08-29T23:02:26Z)
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。