Fugu-MT 論文翻訳(概要): A Hybrid CNN-LSTM Deep Learning Model for Intrusion Detection in Smart Grid

論文の概要: A Hybrid CNN-LSTM Deep Learning Model for Intrusion Detection in Smart Grid

arxiv url: http://arxiv.org/abs/2509.07208v1
Date: Mon, 08 Sep 2025 20:41:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-10 14:38:27.116051
Title: A Hybrid CNN-LSTM Deep Learning Model for Intrusion Detection in Smart Grid
Title（参考訳）: スマートグリッドにおける侵入検出のためのハイブリッドCNN-LSTMディープラーニングモデル
Authors: Abdulhakim Alsaiari, Mohammad Ilyas,
Abstract要約: 本研究は、スマートグリッドのサイバーセキュリティ向上を目的とした、ハイブリッドなディープラーニングベースの侵入検知システム(IDS)を提案する。その結果、精度、精度、リコール、F1スコアが大幅に改善され、検出精度は99.70%となった。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The evolution of the traditional power grid into the "smart grid" has resulted in a fundamental shift in energy management, which allows the integration of renewable energy sources with modern communication technology. However, this interconnection has increased smart grids' vulnerability to attackers, which might result in privacy breaches, operational interruptions, and massive outages. The SCADA-based smart grid protocols are critical for real-time data collection and control, but they are vulnerable to attacks like unauthorized access and denial of service (DoS). This research proposes a hybrid deep learning-based Intrusion Detection System (IDS) intended to improve the cybersecurity of smart grids. The suggested model takes advantage of Convolutional Neural Networks' (CNN) feature extraction capabilities as well as Long Short-Term Memory (LSTM) networks' temporal pattern recognition skills. DNP3 and IEC104 intrusion detection datasets are employed to train and test our CNN-LSTM model to recognize and classify the potential cyber threats. Compared to other deep learning approaches, the results demonstrate considerable improvements in accuracy, precision, recall, and F1-score, with a detection accuracy of 99.70%.
Abstract（参考訳）: 従来の電力網の「スマートグリッド」への進化はエネルギー管理の根本的な変化をもたらし、現代の通信技術と再生可能エネルギー源の統合を可能にした。しかし、この相互接続は、攻撃者に対するスマートグリッドの脆弱性を増大させ、それによってプライバシー侵害、運用中断、大規模な停止につながる可能性がある。 SCADAベースのスマートグリッドプロトコルは、リアルタイムのデータ収集と制御には不可欠だが、不正アクセスやDoS(DoS)などの攻撃に対して脆弱である。本研究は、スマートグリッドのサイバーセキュリティ向上を目的とした、ハイブリッドなディープラーニングベースの侵入検知システム(IDS)を提案する。提案モデルでは,畳み込みニューラルネットワーク(CNN)の特徴抽出機能と,長短短期記憶(LSTM)ネットワークの時間パターン認識技術を活用する。 DNP3およびIEC104侵入検知データセットを用いて、CNN-LSTMモデルのトレーニングとテストを行い、潜在的なサイバー脅威を認識し、分類する。他のディープラーニングアプローチと比較して、この結果は精度、精度、リコール、F1スコアを大幅に改善し、検出精度は99.70%である。

関連論文リスト

Limitations of Physics-Informed Neural Networks: a Study on Smart Grid Surrogation [29.49941497527361]
PINNは、物理法則を直接学習フレームワークに組み込むことによって、スマートグリッドモデリングの変革的なアプローチを示す。本稿では、PINNの機能をスマートグリッドダイナミクスの代理モデルとして評価する。 PINNの優れた一般化と誤り低減におけるデータ駆動モデルの性能を実証する。
論文参考訳（メタデータ） (2025-08-29T12:15:32Z)
Neural Network-Based Detection and Multi-Class Classification of FDI Attacks in Smart Grid Home Energy Systems [0.0]
False Data Injection Attacks (FDIA)は、スマートグリッドインフラストラクチャに重大な脅威をもたらす。本稿では、住宅エネルギーデータを用いたFDIAの検出と分類のための機械学習ベースのフレームワークを提案する。
論文参考訳（メタデータ） (2025-08-09T18:27:31Z)
Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning [39.58317527488534]
本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
論文参考訳（メタデータ） (2025-07-01T07:38:22Z)
CRUPL: A Semi-Supervised Cyber Attack Detection with Consistency Regularization and Uncertainty-aware Pseudo-Labeling in Smart Grid [0.5499796332553707]
スマートグリッドに対するサイバー攻撃は、データの整合性を妥協し、電源の信頼性を損なう可能性がある。従来の侵入検知システムは、しばしば、新しく洗練された攻撃を効果的に検出する助けを必要とする。本研究では,ラベル付きおよびラベルなし計測データを活用することにより,スマートグリッドにおけるサイバー攻撃検出の半教師付き手法を提案する。
論文参考訳（メタデータ） (2025-03-01T05:49:23Z)
Enhancing Internet of Things Security throughSelf-Supervised Graph Neural Networks [1.0678175996321808]
新しいタイプの攻撃は、通常攻撃よりもはるかに少ないサンプルを持ち、不均衡なデータセットにつながることが多い。マルコフグラフ畳み込みネットワーク(MarkovGCN)を用いた自己教師付き学習(SSL)によるIoT侵入検出の新しいアプローチを提案する。当社のアプローチでは,IoTネットワーク固有の構造を活用してGCNを事前トレーニングし,侵入検出タスクを微調整する。
論文参考訳（メタデータ） (2024-12-17T17:40:14Z)
Lightweight CNN-BiLSTM based Intrusion Detection Systems for Resource-Constrained IoT Devices [38.16309790239142]
侵入検知システム(IDS)は、従来のコンピュータシステムにおけるサイバー攻撃の検出と防止に重要な役割を果たしてきた。 Internet of Things(IoT)デバイスで利用可能な限られた計算リソースは、従来のコンピューティングベースのIDSのデプロイを困難にしている。軽量CNNと双方向LSTM(BiLSTM)を組み合わせたハイブリッドCNNアーキテクチャを提案し,UNSW-NB15データセット上でのIDSの性能向上を図る。
論文参考訳（メタデータ） (2024-06-04T20:36:21Z)
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)
Grid Monitoring with Synchro-Waveform and AI Foundation Model Technologies [41.994460245857404]
本稿では,インバータ資源が支配する将来のグリッドを対象とした次世代グリッド監視制御システムの開発を提唱する。我々は,高分解能シンクロ波形計測技術を用いた物理ベースのAI基盤モデルを構築し,グリッドのレジリエンスを高め,機能停止による経済的損失を低減する。
論文参考訳（メタデータ） (2024-03-11T17:28:46Z)
CLSA: Contrastive Learning-based Survival Analysis for Popularity Prediction in MEC Networks [36.01752474571776]
ディープニューラルネットワーク(DNN)と統合されたモバイルエッジキャッシング(MEC)は、将来の次世代無線ネットワークにとって大きな可能性を秘めている革新的な技術である。 MECネットワークの有効性は、最も人気のあるコンテンツでキャッシュノードのストレージを予測し、動的に更新する能力に大きく依存している。有効にするためには、DNNベースの人気予測モデルには、コンテンツの歴史的要求パターンを理解する能力が必要である。
論文参考訳（メタデータ） (2023-03-21T15:57:46Z)
Intrusion Detection System in Smart Home Network Using Bidirectional LSTM and Convolutional Neural Networks Hybrid Model [0.1529342790344802]
IoT(Internet of Things)によって、スマートホームは私たちの日常生活の質と快適さを向上することができた。スマートホームゲートウェイは、IoTデバイス間の通信の集中的なポイントとして機能し、ハッカーのためのネットワークデータへのバックドアを作ることができる。本稿では、双方向長短期メモリ(BiLSTM)と畳み込みニューラルネットワーク(CNN)ハイブリッドモデルを用いて、スマートホームネットワークにおける異常を検出する侵入検知システム(IDS)を提案する。
論文参考訳（メタデータ） (2021-05-25T17:32:03Z)
An Ensemble Deep Convolutional Neural Network Model for Electricity Theft Detection in Smart Grids [2.281079191664481]
電力盗難検知(EDT)アルゴリズムは、この非技術的損失(NTL)が電力システムにおいて重大な課題を引き起こす可能性があるため、一般的にそのような目的のために使用される。本稿では,スマートグリッドにおけるETDのためのEnsemble Deep Convolutional Neural Network (EDCNN)アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-10T18:27:13Z)

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。