論文の概要: A Novel Unified Lightweight Temporal-Spatial Transformer Approach for Intrusion Detection in Drone Networks

• arxiv url: http://arxiv.org/abs/2510.02711v1
• Date: Fri, 03 Oct 2025 04:23:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.258649
• Title: A Novel Unified Lightweight Temporal-Spatial Transformer Approach for Intrusion Detection in Drone Networks
• Title（参考訳）: ドローンネットワークにおける侵入検知のための新しい軽量時空間変圧器の一構成法
• Authors: Tarun Kumar Biswas, Ashrafun Zannat, Waqas Ishtiaq, Md. Alamgir Hossain,
• Abstract要約: 既存の侵入検知機構は、ドローンネットワークに必要な適応性、効率、一般化性を欠いていることが多い。 本稿では, TSLT-Netを提案する。TSLT-Netは, ドローンネットワークに特化して設計された, 軽量かつ統一化された時空間変圧器による侵入検知システムである。
• 参考スコア（独自算出の注目度）: 0.24790748620223146
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing integration of drones across commercial, industrial, and civilian domains has introduced significant cybersecurity challenges, particularly due to the susceptibility of drone networks to a wide range of cyberattacks. Existing intrusion detection mechanisms often lack the adaptability, efficiency, and generalizability required for the dynamic and resource constrained environments in which drones operate. This paper proposes TSLT-Net, a novel lightweight and unified Temporal Spatial Transformer based intrusion detection system tailored specifically for drone networks. By leveraging self attention mechanisms, TSLT-Net effectively models both temporal patterns and spatial dependencies in network traffic, enabling accurate detection of diverse intrusion types. The framework includes a streamlined preprocessing pipeline and supports both multiclass attack classification and binary anomaly detection within a single architecture. Extensive experiments conducted on the ISOT Drone Anomaly Detection Dataset, consisting of more than 2.3 million labeled records, demonstrate the superior performance of TSLT-Net with 99.99 percent accuracy in multiclass detection and 100 percent in binary anomaly detection, while maintaining a minimal memory footprint of only 0.04 MB and 9722 trainable parameters. These results establish TSLT-Net as an effective and scalable solution for real time drone cybersecurity, particularly suitable for deployment on edge devices in mission critical UAV systems.
• Abstract（参考訳）: 商業、工業、民間領域にまたがるドローンの統合は、特に広範囲のサイバー攻撃に対するドローンネットワークの感受性のために、重要なサイバーセキュリティ上の課題をもたらしている。 既存の侵入検知機構は、ドローンが作動する動的かつ資源に制約された環境に必要とされる適応性、効率、一般化性に欠けることが多い。 本稿では, TSLT-Netを提案する。TSLT-Netは, ドローンネットワークに特化して設計された, 軽量かつ統一化された時空間変圧器による侵入検知システムである。 自己注意機構を活用することで、TSLT-Netは、ネットワークトラフィックにおける時間パターンと空間依存性の両方を効果的にモデル化し、多様な侵入タイプを正確に検出できる。 このフレームワークは、合理化された前処理パイプラインを含み、単一のアーキテクチャ内でマルチクラス攻撃分類とバイナリ異常検出の両方をサポートする。 ISOT Drone Anomaly Detection Datasetで実施された大規模な実験は、230万以上のラベル付きレコードで構成され、TSLT-Netの優れた性能を示し、マルチクラス検出では99.99パーセント、バイナリ異常検出では100%、最小メモリフットプリントは0.04MBと9722のトレーニング可能なパラメータで維持されている。 これらの結果は、TSLT-Netを、特にミッションクリティカルなUAVシステムにおけるエッジデバイスへのデプロイに適した、リアルタイムドローンサイバーセキュリティのための効果的でスケーラブルなソリューションとして確立する。

関連論文リスト

• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• AUDRON: A Deep Learning Framework with Fused Acoustic Signatures for Drone Type Recognition [1.8665975431697428]
  無人航空機(UAV)は、ロジスティクス、農業、監視、防衛など様々な分野にまたがっている。 アコースティックセンシングは、視覚やレーダーによる検出に対して、低コストで非侵襲的な代替手段を提供する。 本研究では,ドローン音検出のためのハイブリッドディープラーニングフレームワークであるAUDRONを紹介する。
  論文  参考訳（メタデータ） (2025-12-23T14:55:08Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• SpectraSentinel: LightWeight Dual-Stream Real-Time Drone Detection, Tracking and Payload Identification [0.0903415485511869]
  民間空域でのドローンの拡散は、緊急のセキュリティ上の懸念を引き起こしている。 2025年のVIPカップの課題に対応するため、我々は2ストリームのドローン監視フレームワークを提案する。 我々のアプローチでは、並列赤外(熱)および可視(RGB)データストリーム上に、独立してYou Only Look Once v11-nano (YOLOv11n)オブジェクト検出器をデプロイする。
  論文  参考訳（メタデータ） (2025-07-30T13:10:13Z)
• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• Runtime Anomaly Detection for Drones: An Integrated Rule-Mining and Unsupervised-Learning Approach [6.924083445159127]
  UAVは複数のセンサー入力に依存しており、物理的不安定性と深刻な安全上の懸念を引き起こす可能性がある。 LSTMニューラルネットワークに基づく最近の異常検出手法は有望な結果を示しているが、3つの課題が続いている。 これらの課題に触発された本研究では、ドローンの異常検出に対する統合的なアプローチであるRADDを紹介する。
  論文  参考訳（メタデータ） (2025-05-03T23:48:50Z)
• CNN+Transformer Based Anomaly Traffic Detection in UAV Networks for Emergency Rescue [12.074051347588963]
  ソフトウェア定義ネットワーク(SDN)フレームワークとブロックチェーン技術に基づく,UAVネットワークのための新しい異常トラフィック検出アーキテクチャを提案する。 畳み込みニューラルネットワーク(CNN)とトランスフォーマー(CNN+Transformer)を組み合わせた,異常なトラフィック検出のための統合アルゴリズムを開発し,CTranATDと呼ぶ。
  論文  参考訳（メタデータ） (2025-03-26T09:27:26Z)
• Learning in Multiple Spaces: Few-Shot Network Attack Detection with Metric-Fused Prototypical Networks [47.18575262588692]
  本稿では,数発の攻撃検出に適した新しいマルチスペースプロトタイプ学習フレームワークを提案する。 Polyakの平均的なプロトタイプ生成を活用することで、このフレームワークは学習プロセスを安定化し、稀でゼロデイの攻撃に効果的に適応する。 ベンチマークデータセットによる実験結果から、MSPLは、目立たない、新しい攻撃タイプを検出する従来のアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-28T00:09:46Z)
• CyberSentinel: Efficient Anomaly Detection in Programmable Switch using Knowledge Distillation [0.0]
  CyberSentinelは、プログラム可能なスイッチデータプレーンに完全にデプロイされた、高スループットで正確な異常検出システムである。 目に見えないネットワーク攻撃を検出するために、CyberSentinelは、深い教師なしMLモデルの"学習"知識を取り入れた、新しい知識蒸留スキームを使用している。 我々は、Intel Tofinoスイッチでテストベッド上にCyberSentinelのプロトタイプを実装し、様々な実世界のユースケースで評価する。
  論文  参考訳（メタデータ） (2024-12-21T16:35:44Z)
• A Self-Supervised Task for Fault Detection in Satellite Multivariate Time Series [45.31237646796715]
  この研究は、複雑な分布と高次元分布をモデル化する能力で有名な物理インフォームドリアルNVPニューラルネットワークを活用する新しいアプローチを提案する。 実験には、セルフスーパービジョンによる事前トレーニング、マルチタスク学習、スタンドアロンのセルフ教師付きトレーニングなど、さまざまな構成が含まれている。 結果は、すべての設定で大幅にパフォーマンスが向上したことを示している。
  論文  参考訳（メタデータ） (2024-07-03T07:19:41Z)
• A Two-Dimensional Deep Network for RF-based Drone Detection and Identification Towards Secure Coverage Extension [7.717171534776764]
  時間領域情報と周波数領域情報の両方を含む生信号から2次元特徴を抽出するために,ショートタイムフーリエ変換を用いる。 次に、ResNet構造で構築された畳み込みニューラルネットワーク(CNN)を用いて、マルチクラス分類を実現する。 実験の結果,提案したResNet-STFTは,拡張データセット上でより精度が高く,より高速に収束できることがわかった。
  論文  参考訳（メタデータ） (2023-08-26T15:43:39Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• 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)

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。