論文の概要: GeoShield: Byzantine Fault Detection and Recovery for Geo-Distributed Real-Time Cyber-Physical Systems

• arxiv url: http://arxiv.org/abs/2511.15031v1
• Date: Wed, 19 Nov 2025 01:57:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.589646
• Title: GeoShield: Byzantine Fault Detection and Recovery for Geo-Distributed Real-Time Cyber-Physical Systems
• Title（参考訳）: GeoShield:Geo-Distributed Real-Time Cyber-Physical Systemsのビザンチン断層検出と復旧
• Authors: Yifan Cai, Linh Thi Xuan Phan,
• Abstract要約: GeoShieldは、地理的に分散したCPSをビザンツ断層から守るためのリソース効率のよいソリューションである。 障害を検出し、境界時間内にシステムを回復し、リソースの少ない安全性を保証する。 信頼できないネットワークの下で効果的に動作する最初の有界時間回復ソリューションである。
• 参考スコア（独自算出の注目度）: 2.2631235773863922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale cyber-physical systems (CPS), such as railway control systems and smart grids, consist of geographically distributed subsystems that are connected via unreliable, asynchronous inter-region networks. Their scale and distribution make them especially vulnerable to faults and attacks. Unfortunately, existing fault-tolerant methods either consume excessive resources or provide only eventual guarantees, making them unsuitable for real-time resource-constrained CPS. We present GeoShield, a resource-efficient solution for defending geo-distributed CPS against Byzantine faults. GeoShield leverages the property that CPS are designed to tolerate brief disruptions and maintain safety, as long as they recover (i.e., resume normal operations or transition to a safe mode) within a bounded amount of time following a fault. Instead of masking faults, it detects them and recovers the system within bounded time, thus guaranteeing safety with much fewer resources. GeoShield introduces protocols for Byzantine fault-resilient network measurement and inter-region omission fault detection that proactively detect malicious message delays, along with recovery mechanisms that guarantee timely recovery while maximizing operational robustness. It is the first bounded-time recovery solution that operates effectively under unreliable networks without relying on trusted hardware. Evaluations using real-world case studies show that it significantly outperforms existing methods in both effectiveness and resource efficiency.
• Abstract（参考訳）: 鉄道制御システムやスマートグリッドのような大規模サイバー物理システム(CPS)は、地理的に分散したサブシステムから成り、信頼性の低い非同期のエリア間ネットワークを介して接続される。 スケールや分布は、特に障害や攻撃に対して脆弱である。 残念ながら、既存のフォールトトレラントなメソッドは過剰なリソースを消費するか、最終的な保証しか提供しないため、リアルタイムなリソース制約のあるCPSには適さない。 我々は,地球分散型CPSをビザンチン断層に対して防御するための資源効率の高いソリューションであるGeoShieldを提案する。 GeoShieldは、CPSが短時間の中断を許容し、正常な操作を再開したり、安全なモードに移行するような)障害後の制限された時間内に回復する限り、安全性を維持するように設計されているという特性を活用している。 障害をマスキングする代わりに、障害を検出し、境界時間内にシステムを回復し、リソースの少ない安全性を保証する。 GeoShieldでは、悪意のあるメッセージ遅延を積極的に検出するByzantineフォールトトレリエントネットワーク計測とリージョン間エラー検出のためのプロトコルと、運用上の堅牢性を最大化しながらタイムリーなリカバリを保証するリカバリメカニズムを導入している。 信頼できないネットワークの下で、信頼できないハードウェアを頼らずに効果的に動作する最初の有界時間回復ソリューションである。 実世界のケーススタディを用いて評価したところ、既存の手法よりも有効性と資源効率が著しく優れていた。

関連論文リスト

• The Use of the Simplex Architecture to Enhance Safety in Deep-Learning-Powered Autonomous Systems [38.86794557167231]
  本稿では,学習に基づく自律システムの安全性,セキュリティ,予測可能性のレベルを向上するソフトウェアアーキテクチャを提案する。 これは2つの独立した実行ドメインを活用している。1つは、信頼できるオペレーティングシステム下でのニューラルネットワークの実行に特化しており、信頼できないと見なされている。
  論文  参考訳（メタデータ） (2025-09-25T11:20:47Z)
• Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning [39.58317527488534]
  本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。 悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
  論文  参考訳（メタデータ） (2025-07-01T07:38:22Z)
• Temporal-Spatial Attention Network (TSAN) for DoS Attack Detection in Network Traffic [0.0]
  本稿では、ネットワークトラフィックにおけるDoS攻撃を検出するための、新しい時間空間注意ネットワーク(TSAN)アーキテクチャを提案する。 ネットワークトラフィックの時間的特徴と空間的特徴を両立させることで,従来の手法が見逃すような複雑なトラフィックパターンや異常を捉える。 NSL-KDDデータセットの実験結果は、TSANが最先端モデルより優れていることを示している。
  論文  参考訳（メタデータ） (2025-03-20T11:31:45Z)
• SoK: State of the time: On Trustworthiness of Digital Clocks [1.4502611532302039]
  本研究の目的は,タイミングスタックを敵の操作に脆弱にする問題を総合的に理解することである。 これにより、物理的タイミング成分やデバイス上でのタイムキーピングなど、新たな攻撃面が発見できる。 新たに出現する信頼性の高いタイミングアーキテクチャには欠陥があり,システムセキュリティがより広範なリスクを伴っていることを示す。
  論文  参考訳（メタデータ） (2025-02-14T00:37:02Z)
• SecureNT: Smart Topology Obfuscation for Privacy-Aware Network Monitoring [1.5205805949009716]
  ネットワークトモグラフィーはネットワーク監視と管理において重要な役割を果たしている。 トポロジー情報はエンドツーエンドの測定によって推測できる。 既存の保護手法は、エンド・ツー・エンドの測定を変更することでトポロジ情報を確保しようとする。 本稿では,これらの制約に対処する新しいプライバシー保護フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-11T08:07:40Z)
• ACRIC: Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
  安全クリティカルな業界における最近のセキュリティインシデントは、適切なメッセージ認証の欠如により、攻撃者が悪意のあるコマンドを注入したり、システムの振る舞いを変更することができることを明らかにした。 これらの欠点は、サイバーセキュリティを強化するために圧力をかける必要性を強調する新しい規制を引き起こしている。 我々は,レガシ産業通信をセキュアにするためのメッセージ認証ソリューションであるACRICを紹介する。
  論文  参考訳（メタデータ） (2024-11-21T18:26:05Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• Safe Reach Set Computation via Neural Barrier Certificates [46.1784503246807]
  本稿では,自律システムのオンライン安全性検証のための新しい手法を提案する。 我々のアプローチでは、パラメータ化されたニューラルネットワークが与えられた初期セット、安全でないセット、時間的地平線に依存する障壁証明書を使用する。 このようなネットワークは、状態空間の領域からサンプリングされたシステムシミュレーションを用いて、効率的にオフラインで訓練される。
  論文  参考訳（メタデータ） (2024-04-29T15:49:37Z)
• Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning [40.989393438716476]
  ディープニューラルネットワークベースのシステムは、現在では多くのロボティクスタスクにおいて最先端のシステムとなっているが、ネットワークの堅牢性に関する公式な保証なしに、安全クリティカルドメインへの適用は危険なままである。 センサー入力に対する小さな摂動は、しばしばネットワークベースの決定を変えるのに十分である。 この研究は、認証された敵対的ロバスト性の研究を活用して、深い強化学習アルゴリズムのためのオンラインロバストを開発する。
  論文  参考訳（メタデータ） (2020-04-11T21:36:13Z)

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。