論文の概要: ViSTR-GP: Online Cyberattack Detection via Vision-to-State Tensor Regression and Gaussian Processes in Automated Robotic Operations

• arxiv url: http://arxiv.org/abs/2509.10948v1
• Date: Sat, 13 Sep 2025 19:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.85068
• Title: ViSTR-GP: Online Cyberattack Detection via Vision-to-State Tensor Regression and Gaussian Processes in Automated Robotic Operations
• Title（参考訳）: ViSTR-GP:自律型ロボット操作における視覚から状態へのテンソル回帰とガウス過程によるオンラインサイバー攻撃検出
• Authors: Navid Aftabi, Philip Samaha, Jin Ma, Long Cheng, Ramy Harik, Dan Li,
• Abstract要約: 接続された工場と自動化された工場は、サイバーセキュリティのリスクが増大し、物理的運用に中断や損害をもたらす可能性がある。 データ統合攻撃は、攻撃者が運用データにアクセスし操作できるような高度な脆弱性を悪用することが多い。 本稿では、コントローラの権限外の頭上カメラからの視覚に基づく推定値に対して、エンコーダが報告した計測値を相互にチェックするオンライン検出フレームワークViSTR-GPを開発する。
• 参考スコア（独自算出の注目度）: 5.95097350945477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial robotic systems are central to automating smart manufacturing operations. Connected and automated factories face growing cybersecurity risks that can potentially cause interruptions and damages to physical operations. Among these attacks, data-integrity attacks often involve sophisticated exploitation of vulnerabilities that enable an attacker to access and manipulate the operational data and are hence difficult to detect with only existing intrusion detection or model-based detection. This paper addresses the challenges in utilizing existing side-channels to detect data-integrity attacks in robotic manufacturing processes by developing an online detection framework, ViSTR-GP, that cross-checks encoder-reported measurements against a vision-based estimate from an overhead camera outside the controller's authority. In this framework, a one-time interactive segmentation initializes SAM-Track to generate per-frame masks. A low-rank tensor-regression surrogate maps each mask to measurements, while a matrix-variate Gaussian process models nominal residuals, capturing temporal structure and cross-joint correlations. A frame-wise test statistic derived from the predictive distribution provides an online detector with interpretable thresholds. We validate the framework on a real-world robotic testbed with synchronized video frame and encoder data, collecting multiple nominal cycles and constructing replay attack scenarios with graded end-effector deviations. Results on the testbed indicate that the proposed framework recovers joint angles accurately and detects data-integrity attacks earlier with more frequent alarms than all baselines. These improvements are most evident in the most subtle attacks. These results show that plants can detect data-integrity attacks by adding an independent physical channel, bypassing the controller's authority, without needing complex instrumentation.
• Abstract（参考訳）: 産業ロボットシステムは、スマート製造の自動化の中心である。 接続された工場と自動化された工場は、サイバーセキュリティのリスクが増大し、物理的運用に中断や損害をもたらす可能性がある。 これらの攻撃の中で、データ統合攻撃は、攻撃者が運用データにアクセスして操作できるような高度な脆弱性を悪用することが多く、そのため、既存の侵入検知やモデルベースの検出だけでは検出が困難である。 本稿では,ロボット製造プロセスにおけるデータ統合攻撃を検出するために,既存のサイドチャネルを活用する上での課題について,コントローラの権限外の頭上カメラからの視覚に基づく推定値に対するエンコーダが報告した測定値の相互チェックを行うオンライン検出フレームワークであるViSTR-GPを開発した。 このフレームワークでは、ワンタイムのインタラクティブセグメンテーションがSAM-Trackを初期化してフレーム単位のマスクを生成する。 低ランクテンソル-回帰サロゲートは各マスクを測定にマッピングし、行列変量ガウス過程は比例残差をモデル化し、時間構造と交叉相関を捉える。 予測分布から導かれるフレーム単位のテスト統計は、解釈可能なしきい値を持つオンライン検出器を提供する。 本フレームワークは,ビデオフレームとエンコーダデータを同期した実世界のロボットテストベッド上で検証し,複数の名目周期を収集し,次数付きエンドエフェクタ偏差によるリプレイ攻撃シナリオを構築する。 テストベッド上の結果から,提案フレームワークは,全てのベースラインよりも頻繁にアラームを発生させることなく,より早く関節角度を正確に回復し,データ統合攻撃を検出することが示唆された。 これらの改善は、最も微妙な攻撃において最も顕著である。 これらの結果から、植物は複雑な計器を必要とせず、独立した物理チャネルを追加し、コントローラの権限をバイパスすることで、データ統合攻撃を検出できることが示唆された。

関連論文リスト

• An Unsupervised Deep XAI Framework for Localization of Concurrent Replay Attacks in Nuclear Reactor Signals [0.0]
  次世代の先進的な原子炉は、サイズと出力の両方が小さくなると予想されている。 ネットワーク通信においては,不正攻撃に対するデータの整合性の確保がますます重要になっている。 本稿では,オートエンコーダとカスタマイズされたウィンドウSHAPアルゴリズムを組み合わせて,リアルタイムのリプレイ攻撃を完全に特徴付ける,教師なし説明可能なAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-05T15:21:02Z)
• Detecting Masquerade Attacks in Controller Area Networks Using Graph Machine Learning [0.2812395851874055]
  本稿では,グラフ機械学習(ML)を用いたCANバスにおけるマスクレード攻撃検出のための新しいフレームワークを提案する。 本稿では,CANバスフレームをメッセージシーケンスグラフ(MSG)として表現し,時系列からコンテキスト統計属性を付加することにより,検出能力を向上できることを示す。 提案手法は,CANフレームの相互作用を包括的かつ動的に解析し,ロバスト性や効率性を向上する。
  論文  参考訳（メタデータ） (2024-08-10T04:17:58Z)
• Real-Time Zero-Day Intrusion Detection System for Automotive Controller Area Network on FPGAs [13.581341206178525]
  本稿では,ゼロデイアタックを検出するための教師なし学習に基づく畳み込みオートエンコーダアーキテクチャを提案する。 資源制約のZynq Ultrascaleプラットフォームを対象としたAMD/XilinxのVitis-AIツールを用いてモデルを定量化する。 提案モデルでは, 未知のDoS, ファジング, スプーフィング攻撃に対して, 同一以上の分類精度 (>99.5%) を達成することができた。
  論文  参考訳（メタデータ） (2024-01-19T14:36:01Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Online Monitoring of Object Detection Performance During Deployment [6.166295570030645]
  入力フレームのスライディングウィンドウ上での平均平均精度(mAP)を予測し,対象検出器の性能を監視するカスケードニューラルネットワークを提案する。 我々は、自律走行データセットと物体検出装置の異なる組み合わせを用いて、提案手法の評価を行った。
  論文  参考訳（メタデータ） (2020-11-16T07:01:43Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。