論文の概要: Privacy-Aware Framework of Robust Malware Detection in Indoor Robots: Hybrid Quantum Computing and Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2510.13136v1
• Date: Wed, 15 Oct 2025 04:25:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.49314
• Title: Privacy-Aware Framework of Robust Malware Detection in Indoor Robots: Hybrid Quantum Computing and Deep Neural Networks
• Title（参考訳）: 屋内ロボットにおけるロバストマルウェア検出のプライバシ・アウェア・フレームワーク:ハイブリッド量子コンピューティングとディープニューラルネットワーク
• Authors: Tan Le, Van Le, Sachin Shetty,
• Abstract要約: 屋内ロボットシステムのためのプライバシ対応マルウェア検出フレームワークを提案する。 本アーキテクチャは,プライバシー制約条件下での検知精度を最大95.2%向上する。 この作業は、安全で自律的なCPSオペレーションのための信頼できるAIを前進させる。
• 参考スコア（独自算出の注目度）: 5.574636535424702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Indoor robotic systems within Cyber-Physical Systems (CPS) are increasingly exposed to Denial of Service (DoS) attacks that compromise localization, control and telemetry integrity. We propose a privacy-aware malware detection framework for indoor robotic systems, which leverages hybrid quantum computing and deep neural networks to counter DoS threats in CPS, while preserving privacy information. By integrating quantum-enhanced feature encoding with dropout-optimized deep learning, our architecture achieves up to 95.2% detection accuracy under privacy-constrained conditions. The system operates without handcrafted thresholds or persistent beacon data, enabling scalable deployment in adversarial environments. Benchmarking reveals robust generalization, interpretability and resilience against training instability through modular circuit design. This work advances trustworthy AI for secure, autonomous CPS operations.
• Abstract（参考訳）: CPS(Cyber-Physical Systems)内の屋内ロボットシステムは、ローカライゼーション、制御、テレメトリの整合性を損なうDoS(Denial of Service)攻撃にさらされている。 本稿では,CPSにおけるDoS脅威に対処するために,ハイブリッド量子コンピューティングとディープニューラルネットワークを活用する屋内ロボットシステムのためのプライバシを意識したマルウェア検出フレームワークを提案する。 量子符号化とドロップアウト最適化ディープラーニングを統合することで,プライバシ制約条件下では,最大95.2%の検出精度を実現している。 システムは手作りのしきい値や永続的なビーコンデータなしで動作し、敵の環境にスケーラブルな展開を可能にする。 ベンチマークでは、モジュール回路設計によるトレーニング不安定性に対する堅牢な一般化、解釈可能性、レジリエンスが明らかにされている。 この作業は、安全で自律的なCPSオペレーションのための信頼できるAIを前進させる。

関連論文リスト

• Adaptive Cybersecurity Architecture for Digital Product Ecosystems Using Agentic AI [0.0]
  本研究では,動的学習と文脈認識型意思決定が可能な自律目標駆動エージェントを提案する。 行動ベースライン、分散リスクスコア、フェデレーションされた脅威情報共有は重要な特徴である。 このアーキテクチャは、複雑なデジタルインフラストラクチャを保護するインテリジェントでスケーラブルな青写真を提供する。
  論文  参考訳（メタデータ） (2025-09-25T00:43:53Z)
• The Cybersecurity of a Humanoid Robot [0.5958112901546286]
  本報告では,生産型ヒューマノイドロボットプラットフォームの総合的なセキュリティ評価について述べる。 高度な防御機構と重大な脆弱性の両方を特徴とする、複雑なセキュリティの状況を発見しました。 この研究は、ヒューマノイドロボットが研究キュリオシティからクリティカルドメインの運用システムに移行するにつれ、堅牢なセキュリティ標準を開発するための実証的な証拠となる。
  論文  参考訳（メタデータ） (2025-09-17T15:37:09Z)
• CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
  本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。 RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。 結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-07-19T20:09:52Z)
• Enabling Security on the Edge: A CHERI Compartmentalized Network Stack [42.78181795494584]
  CHERIは、きめ細かい区画化とメモリ保護を可能にすることにより、ハードウェアレベルでの強力なセキュリティを提供する。 ケーススタディでは,Arm Morelloプラットフォーム上にデプロイされたCheriBSDシステム上での分離アプリケーション,TCP/IPライブラリ,ネットワークドライバのトレードオフについて検討した。
  論文  参考訳（メタデータ） (2025-07-07T09:37:59Z)
• Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
  サイバー物理パワーシステムの複雑さは 攻撃面を大きくし 悪質なアクターに悪用される 我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
  論文  参考訳（メタデータ） (2025-06-14T12:07:44Z)
• CyFence: Securing Cyber-Physical Controllers via Trusted Execution Environment [45.86654759872101]
  サイバー物理システム(CPS)は、サイバー攻撃により多くの負荷を掛けて、技術進化と接続性の向上を経験してきた。 セマンティックチェックを追加することで,サイバー攻撃に対する閉ループ制御システムのレジリエンスを向上させる新しいアーキテクチャであるCyFenceを提案する。 我々はCyFenceをアクティブブレーキデジタルコントローラからなる実世界のアプリケーションとして評価し、異なるタイプの攻撃を無視可能なオーバーヘッドで軽減できることを実証した。
  論文  参考訳（メタデータ） (2025-06-12T12:22:45Z)
• AI-Powered Anomaly Detection with Blockchain for Real-Time Security and Reliability in Autonomous Vehicles [1.1797787239802762]
  我々は、リアルタイム異常検出のための人工知能(AI)のパワーとブロックチェーン技術を組み合わせて、悪意のあるアクティビティを検出して防止する新しいフレームワークを開発する。 このフレームワークでは、センサデータと異常アラートをブロックチェーン台帳にセキュアに格納する分散プラットフォームを使用して、データの不正性と信頼性を保証している。 これにより、AVシステムは、サイバースペースとハードウェアコンポーネントの両方の障害からの攻撃に対してより耐性がある。
  論文  参考訳（メタデータ） (2025-05-10T12:53:28Z)
• 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） (2024-11-15T15:05:01Z)
• Counter Denial of Service for Next-Generation Networks within the Artificial Intelligence and Post-Quantum Era [2.156208381257605]
  DoS攻撃はますます洗練され、容易に実行できるようになった。 最先端の体系化の取り組みには、孤立したDoS対策のような制限がある。 量子コンピュータの出現は、攻撃と防御の観点からのDoSのゲームチェンジャーである。
  論文  参考訳（メタデータ） (2024-08-08T18:47:31Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)

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。