論文の概要: SG-ML: Smart Grid Cyber Range Modelling Language
- arxiv url: http://arxiv.org/abs/2509.10568v1
- Date: Thu, 11 Sep 2025 04:49:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.67183
- Title: SG-ML: Smart Grid Cyber Range Modelling Language
- Title（参考訳）: SG-ML:スマートグリッドサイバーレンジモデリング言語
- Authors: Muhammad M. Roomi, Suhail S. M. Hussain, Daisuke Mashima,
- Abstract要約: スマートグリッドモデリング言語(SG-ML)は、スマートグリッドサイバーレンジの自動生成のために設計されている。
SG-MLは、機械可読性と人間に優しい方法でスマートグリッドの構成を記述するXMLスキーマのセットとして定義される。
- 参考スコア（独自算出の注目度）: 1.2566099927333123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work provides a detailed specification of the Smart Grid Modelling Language (SG-ML), which is designed for the automated generation of smart grid cyber ranges. SG-ML is defined as a set of XML schemas that describe a smart grid's configuration in both machine-readable and human-friendly ways, thereby bridging the gap between system modelling and automated deployment. Unlike prior ad-hoc approaches to cyber range design, SG-ML provides a unified methodology that integrates both power system and cyber network representations. The SG-ML model can be customized by users to meet specific requirements, such as emulating physical or cyber topologies and configuring network devices. An SG-ML Processor then parses this configured model to instantiate the cyber range environment. The modelling language leverages established standards like the IEC 61850 Substation Configuration Language (SCL) and IEC 61131 PLCopen XML to define power system topology, cyber network topology, and device configurations. This approach allows for the reuse of existing assets, reducing the effort needed to create the SG-ML model. To address gaps not covered by these standards such as attack injection parameters, scenario-specific metadata, and additional network constraints, SG-ML introduces proprietary schemas that complement standard models. Overall, SG-ML enables reproducible, scalable, and automated generation of realistic smart grid cyber ranges for research, training, and security assessment.
- Abstract（参考訳）: この研究は、スマートグリッドサイバーレンジの自動生成用に設計されたスマートグリッドモデリング言語(SG-ML)の詳細な仕様を提供する。
SG-MLは、マシン可読性とヒューマンフレンドリーな両方の方法でスマートグリッドの構成を記述するXMLスキーマのセットとして定義され、システムモデリングと自動デプロイメントのギャップを埋める。
サイバーレンジ設計に対する従来のアドホックなアプローチとは異なり、SG-MLは、電力システムとサイバーネットワークの表現を統合する統一的な方法論を提供する。
SG-MLモデルは、物理トポロジやサイバートポロジのエミュレートやネットワークデバイスの設定など、特定の要件を満たすために、ユーザがカスタマイズすることができる。
SG-MLプロセッサは、設定されたモデルを解析して、サイバーレンジ環境をインスタンス化する。
モデリング言語は、IEC 61850 Substation Configuration Language (SCL) や IEC 61131 PLCopen XML などの確立した標準を活用し、電力系統のトポロジ、サイバーネットワークのトポロジ、デバイス構成を定義する。
このアプローチは既存の資産の再利用を可能にし、SG-MLモデルを作成するのに必要な労力を削減する。
攻撃注入パラメータ、シナリオ固有のメタデータ、追加のネットワーク制約など、これらの標準でカバーされていないギャップに対処するため、SG-MLは標準モデルを補完する独自のスキーマを導入している。
全体として、SG-MLは、研究、トレーニング、セキュリティアセスメントのために、再現性、スケーラブル、自動化されたリアルなスマートグリッドサイバーレンジの生成を可能にする。
関連論文リスト
- Auto-SGCR: Automated Generation of Smart Grid Cyber Range Using IEC 61850 Standard Models [8.55849957500108]
電力網のデジタル化は、過去10年間でますますサイバー攻撃を受けやすくなっている。
反復型サイバーセキュリティテストは、出現する攻撃ベクトルに対抗し、重要なインフラの信頼性を確保するために不可欠である。
高忠実度サイバーレンジは、生産環境を用いた実験や訓練を行うことができないことが多いため、不可欠である。
論文 参考訳（メタデータ） (2025-07-24T09:44:03Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [72.44384066166147]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - Adaptive Domain Modeling with Language Models: A Multi-Agent Approach to Task Planning [5.638621244710438]
TAPASは特殊なLLMベースのエージェントを使用して、協調的にドメインモデルを生成し、適応する。
ReAct(Reason+Act)スタイルの実行エージェントは、自然言語の計画翻訳と組み合わせて、動的に生成された計画と現実世界のロボット能力のギャップを埋める。
論文 参考訳（メタデータ） (2025-06-24T13:02:06Z) - A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。
本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。
本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
論文 参考訳（メタデータ） (2025-04-16T01:43:36Z) - HiVeGen -- Hierarchical LLM-based Verilog Generation for Scalable Chip Design [55.54477725000291]
HiVeGenは階層的なVerilog生成フレームワークで、生成タスクを階層的なサブモジュールに分解する。
自動設計空間探索(DSE)を階層対応のプロンプト生成に変換し、コードの再利用を強化するために重みに基づく検索を導入する。
エラー補正コストを低減し、生成した設計の質を大幅に向上させる。
論文 参考訳（メタデータ） (2024-12-06T19:37:53Z) - Digital requirements engineering with an INCOSE-derived SysML meta-model [0.0]
我々は、モデルベース構造化要求SysMLプロファイルを拡張して、要求書作成のためのINCOSEガイドに準拠します。
結果のSysMLプロファイルはNASAジェット推進研究所の2つのシステムアーキテクチャモデルに適用された。
論文 参考訳（メタデータ） (2024-10-12T03:06:13Z) - Longhorn: State Space Models are Amortized Online Learners [51.10124201221601]
ステートスペースモデル(SSM)は、トレーニング中に並列性を維持しながら線形デコード効率を提供する。
本研究では、オンライン学習のレンズを通してSSM設計を探求し、特定のオンライン学習問題のメタモジュールとしてSSMを概念化する。
我々は、オンライン連想的リコール問題を解決するためのクローズドフォームソリューションに類似した、新しいディープSSMアーキテクチャであるLonghornを紹介した。
論文 参考訳（メタデータ） (2024-07-19T11:12:08Z) - Integrated Methodology to Cognitive Network Slice Management in
Virtualized 5G Networks [3.8743565255416983]
5GネットワークはETSIが定義したZero Touch Network and Service Management(ZSM)の概念に従って完全に自律的であると想定されている。
目的固有の機械学習(ML)モデルは、サービスレベルアグリーメント(SLA)のスライスに完全に準拠する方法で、物理的および仮想ネットワークリソースの管理と制御に使用することができる。
論文 参考訳（メタデータ） (2020-05-11T01:51:47Z)
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。