論文の概要: New Machine Learning Approaches for Intrusion Detection in ADS-B

• arxiv url: http://arxiv.org/abs/2510.08333v1
• Date: Thu, 09 Oct 2025 15:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.159508
• Title: New Machine Learning Approaches for Intrusion Detection in ADS-B
• Title（参考訳）: ADS-Bにおける侵入検知のための新しい機械学習手法
• Authors: Mikaëla Ngamboé, Jean-Simon Marrocco, Jean-Yves Ouattara, José M. Fernandez, Gabriela Nicolescu,
• Abstract要約: 航空交通管理は、脆弱性のあるAutomatic Dependent Surveillance-Broadcast (ADS-B)プロトコルに依存している。 本研究では,ADS-BのためのAIベースの侵入検知システム(IDS)を改善するための機械学習モデルとトレーニング戦略について検討する。
• 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: With the growing reliance on the vulnerable Automatic Dependent Surveillance-Broadcast (ADS-B) protocol in air traffic management (ATM), ensuring security is critical. This study investigates emerging machine learning models and training strategies to improve AI-based intrusion detection systems (IDS) for ADS-B. Focusing on ground-based ATM systems, we evaluate two deep learning IDS implementations: one using a transformer encoder and the other an extended Long Short-Term Memory (xLSTM) network, marking the first xLSTM-based IDS for ADS-B. A transfer learning strategy was employed, involving pre-training on benign ADS-B messages and fine-tuning with labeled data containing instances of tampered messages. Results show this approach outperforms existing methods, particularly in identifying subtle attacks that progressively undermine situational awareness. The xLSTM-based IDS achieves an F1-score of 98.9%, surpassing the transformer-based model at 94.3%. Tests on unseen attacks validated the generalization ability of the xLSTM model. Inference latency analysis shows that the 7.26-second delay introduced by the xLSTM-based IDS fits within the Secondary Surveillance Radar (SSR) refresh interval (5-12 s), although it may be restrictive for time-critical operations. While the transformer-based IDS achieves a 2.1-second latency, it does so at the cost of lower detection performance.
• Abstract（参考訳）: 航空交通管理(ATM)における脆弱性のあるAutomatic Dependent Surveillance-Broadcast(ADS-B)プロトコルに依存しているため、セキュリティの確保が重要である。 本研究では,ADS-BのためのAIベースの侵入検知システム(IDS)を改善するための機械学習モデルとトレーニング戦略について検討する。 地上ベースATMシステムに着目し,トランスフォーマーエンコーダと拡張長短メモリ(xLSTM)ネットワークの2つの深層学習IDS実装を評価し,ADS-Bのための最初のxLSTMベースのIDSを示す。 良質なADS-Bメッセージの事前学習や、改ざんされたメッセージのインスタンスを含むラベル付きデータによる微調整を含む転写学習戦略が採用された。 その結果、このアプローチは既存の手法よりも優れており、特に状況意識を徐々に損なう微妙な攻撃を識別する。 xLSTMベースのIDSは98.9%のF1スコアを獲得し、トランスフォーマーベースのモデルを94.3%上回った。 未確認攻撃に対する試験は、xLSTMモデルの一般化能力を検証した。 推論レイテンシ解析により、xLSTMベースのIDSによって導入された7.26秒遅れは、時間クリティカルな操作には制限があるものの、セカンダリサーベイランスレーダ(SSR)リフレッシュインターバル(5-12秒)に適合することが示された。 トランスをベースとしたIDSは2.1秒のレイテンシを実現するが、検出性能の低下を犠牲にしている。

関連論文リスト

• 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） (2025-04-16T08:41:24Z)
• Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
  レーダー信号認識は電子戦(EW)において重要な役割を果たす 近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。 これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
  論文  参考訳（メタデータ） (2025-01-07T01:35:56Z)
• A Robust Multi-Stage Intrusion Detection System for In-Vehicle Network Security using Hierarchical Federated Learning [0.0]
  車両内侵入検知システム(IDS)は、目に見える攻撃を検出し、新しい目に見えない攻撃に対する堅牢な防御を提供する必要がある。 これまでの作業は、CAN ID機能のみに依存していたり、手動で機能抽出する従来の機械学習(ML)アプローチを使用していました。 本稿では,これらの制約に対処するために,最先端,斬新,軽量,車内,IDS平均化,深層学習(DL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-15T21:51:56Z)
• Attention Meets UAVs: A Comprehensive Evaluation of DDoS Detection in Low-Cost UAVs [1.6820106165213193]
  本稿では、低コストでWi-Fiベースの無人航空機(UAV)によるDDoS攻撃に対するサイバーセキュリティ対策の強化に関する重要な課題について検討する。 我々は,UAVシステムのコンパニオンコンピュータ上で動作する検出機構を開発した。 そこで本研究では,車載DDoS検出機構を構築するために必要なステップについて述べる。
  論文  参考訳（メタデータ） (2024-06-28T12:44:01Z)
• Enhancing IoT Security with CNN and LSTM-Based Intrusion Detection Systems [0.23408308015481666]
  提案モデルは,畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)ディープラーニング(DL)モデルを組み合わせて構成する。 この融合により、IoTトラフィックをバイナリカテゴリ、良性、悪意のあるアクティビティに検出し、分類することが可能になる。 提案モデルの精度は98.42%,最小損失は0.0275である。
  論文  参考訳（メタデータ） (2024-05-28T22:12:15Z)
• MKF-ADS: Multi-Knowledge Fusion Based Self-supervised Anomaly Detection System for Control Area Network [9.305680247704542]
  制御エリアネットワーク(英: Control Area Network, CAN)は、車両ネットワークにおける電子制御ユニット(ECU)間の通信プロトコルである。 CANは、本質的にセキュリティ上のリスクのために、厳しいセキュリティ上の課題に直面している。 本稿では,MKF-ADSと呼ばれる自己教師付き多知識融合異常検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-07T07:40:53Z)
• Effective Intrusion Detection in Highly Imbalanced IoT Networks with Lightweight S2CGAN-IDS [48.353590166168686]
  モノのインターネット(IoT)ネットワークは、異常なトラフィックよりも遥かに良質なトラフィックを含んでいる。 既存研究の多くは、少数民族の検出率を向上させるために、多数民族の検出率を犠牲にすることに焦点を当てている。 我々はS2CGAN-IDSという軽量なフレームワークを提案し、データ空間と特徴空間の両方においてマイノリティなカテゴリの数を拡大する。
  論文  参考訳（メタデータ） (2023-06-06T14:19:23Z)

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。