論文の概要: Think Fast: Real-Time IoT Intrusion Reasoning Using IDS and LLMs at the Edge Gateway

• arxiv url: http://arxiv.org/abs/2511.18230v1
• Date: Sun, 23 Nov 2025 00:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.708928
• Title: Think Fast: Real-Time IoT Intrusion Reasoning Using IDS and LLMs at the Edge Gateway
• Title（参考訳）: エッジゲートウェイでのIDSとLDMを使用したリアルタイムIoT侵入推論
• Authors: Saeid Jamshidi, Amin Nikanjam, Negar Shahabi, Kawser Wazed Nafi, Foutse Khomh, Samira Keivanpour, Rolando Herrero,
• Abstract要約: 本稿では、軽量機械学習(ML)ベースのIDSモデルと事前学習された大規模言語モデル(LLM)を統合したエッジ中心の侵入検知システム(IDS)について述べる。 このシステムは、決定木(DT)、K-Nearest Neighbors(KNN)、ランダムフォレスト(RF)、畳み込みニューラルネットワーク(CNN)、Long Short-Term Memory(LSTM)、低消費電力エッジゲートウェイ上のハイブリッドCNN-LSTMモデルの6つのMLベースIDSモデルを評価する。 異常検出のために、システムは低帯域APIコールを介してコンパクトでセキュアなテレメトリスナップショットをLSMに送信する。
• 参考スコア（独自算出の注目度）: 5.541753997410371
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the number of connected IoT devices continues to grow, securing these systems against cyber threats remains a major challenge, especially in environments with limited computational and energy resources. This paper presents an edge-centric Intrusion Detection System (IDS) framework that integrates lightweight machine learning (ML) based IDS models with pre-trained large language models (LLMs) to improve detection accuracy, semantic interpretability, and operational efficiency at the network edge. The system evaluates six ML-based IDS models: Decision Tree (DT), K-Nearest Neighbors (KNN), Random Forest (RF), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and a hybrid CNN-LSTM model on low-power edge gateways, achieving accuracy up to 98 percent under real-world cyberattacks. For anomaly detection, the system transmits a compact and secure telemetry snapshot (for example, CPU usage, memory usage, latency, and energy consumption) via low-bandwidth API calls to LLMs including GPT-4-turbo, DeepSeek V2, and LLaMA 3.5. These models use zero-shot, few-shot, and chain-of-thought reasoning to produce human-readable threat analyses and actionable mitigation recommendations. Evaluations across diverse attacks such as DoS, DDoS, brute force, and port scanning show that the system enhances interpretability while maintaining low latency (<1.5 s), minimal bandwidth usage (<1.2 kB per prompt), and energy efficiency (<75 J), demonstrating its practicality and scalability as an IDS solution for edge gateways.
• Abstract（参考訳）: 接続されたIoTデバイスの数は増え続けているため、サイバー脅威に対してこれらのシステムを保護することは、特に計算とエネルギー資源が限られている環境では大きな課題である。 本稿では,軽量機械学習(ML)に基づくIDSモデルと事前学習された大規模言語モデル(LLM)を統合し,検出精度,意味解釈可能性,ネットワークエッジでの運用効率を向上させるエッジ中心の侵入検出システム(IDS)を提案する。 このシステムは6つのMLベースのIDSモデルを評価する:決定木(DT)、K-Nearest Neighbors(KNN)、ランダムフォレスト(RF)、畳み込みニューラルネットワーク(CNN)、Long Short-Term Memory(LSTM)、低消費電力エッジゲートウェイ上のハイブリッドCNN-LSTMモデル。 異常検出には、GPT-4-turbo、DeepSeek V2、LLaMA 3.5などの低帯域APIコールを通じて、コンパクトでセキュアなテレメトリスナップショット(CPU使用量、メモリ使用量、レイテンシ、エネルギー消費など)をLLMに送信する。 これらのモデルでは、ゼロショット、少数ショット、チェーンオブ思考の推論を使用して、人間の読みやすい脅威分析と行動可能な緩和レコメンデーションを生成する。 DoS, DDoS, ブルートフォース, ポートスキャンなどの多様な攻撃に対する評価は, 低レイテンシ (1.5 s), 最小帯域使用率 (1.2 kB per prompt), エネルギー効率 (75 J) を保ちながら解釈可能性を高めることを示し, エッジゲートウェイのIDSソリューションとしての実用性とスケーラビリティを実証している。

関連論文リスト

• Dual-Domain Deep Learning-Assisted NOMA-CSK Systems for Secure and Efficient Vehicular Communications [36.359307639974524]
  本稿では、車両通信のための深層学習支援パワードメイン非直交多重アクセスカオスシフトキーリング(DL-NOMA-CSK)システムを提案する。 ディープニューラルネットワーク(DNN)ベースの復調器は、オフライントレーニング中に固有のカオス信号特性を学ぶように設計されている。 提案システムは、スペクトル効率(SE)、エネルギー効率(EE)、ビット誤り率(BER)、セキュリティ、ロバスト性の観点から優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-10-23T13:41:00Z)
• A Quantum Genetic Algorithm-Enhanced Self-Supervised Intrusion Detection System for Wireless Sensor Networks in the Internet of Things [1.049126606580198]
  本稿では、量子遺伝的アルゴリズム(QGA)と自己監視学習(SSL)を統合した新しいハイブリッド侵入検知システムを提案する。 提案するフレームワークは、IoT侵入データセットのベンチマークに基づいて評価され、検出精度、偽陽性率、計算効率の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2025-09-03T22:02:39Z)
• Securing Radiation Detection Systems with an Efficient TinyML-Based IDS for Edge Devices [3.5216201054915692]
  放射線検出システム(RDS)は、様々な環境において公衆の安全を確保する上で重要な役割を担っている。 これらのシステムはますますサイバー攻撃に弱い。 本稿では,資源制約環境に適した新しい合成放射線データセットと侵入検知システム(IDS)を提案する。
  論文  参考訳（メタデータ） (2025-09-01T16:26:37Z)
• 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)
• ML-Enabled Eavesdropper Detection in Beyond 5G IIoT Networks [0.0]
  本稿では,盗聴検出の一般的な問題に対処するために,機械学習とディープラーニング(ML/DL)技術を活用することに焦点を当てる。 ML/DLモデルは、チャネル状態情報(CSI)、位置データ、送信電力に基づいて、ユーザーを正当または悪意のあるものと分類する。 提案した数値結果によると,DCNN と RF モデルは,誤報ゼロの盗聴者の識別に100%接近する検出精度を達成している。
  論文  参考訳（メタデータ） (2025-05-05T08:49:18Z)
• Lightweight CNN-BiLSTM based Intrusion Detection Systems for Resource-Constrained IoT Devices [38.16309790239142]
  侵入検知システム(IDS)は、従来のコンピュータシステムにおけるサイバー攻撃の検出と防止に重要な役割を果たしてきた。 Internet of Things(IoT)デバイスで利用可能な限られた計算リソースは、従来のコンピューティングベースのIDSのデプロイを困難にしている。 軽量CNNと双方向LSTM(BiLSTM)を組み合わせたハイブリッドCNNアーキテクチャを提案し,UNSW-NB15データセット上でのIDSの性能向上を図る。
  論文  参考訳（メタデータ） (2024-06-04T20:36:21Z)
• 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)
• Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems [1.749521391198341]
  日々の生活にIoT(Internet of Things)アプリケーションを統合することで、データトラフィックが急増し、重大なセキュリティ上の問題が発生しています。 本稿では、コストと精度のバランスの取れたトレードオフを見つけるための新しい手法を導入することにより、エッジレベルでのMLベースのIDSの有効性を向上させることに焦点を当てる。
  論文  参考訳（メタデータ） (2024-04-29T21:26:18Z)
• Constrained Twin Variational Auto-Encoder for Intrusion Detection in IoT Systems [30.16714420093091]
  侵入検知システム(IDS)は、悪意のある攻撃から何十億ものIoTデバイスを保護する上で重要な役割を果たす。 本稿では,CTVAE(Constrained Twin Variational Auto-Encoder)と呼ばれる新しいディープニューラルネットワーク/アーキテクチャを提案する。 CTVAEは、最先端の機械学習および表現学習方法と比較して、精度と検出攻撃におけるFscoreの約1%を向上することができる。
  論文  参考訳（メタデータ） (2023-12-05T04:42:04Z)
• RL-DistPrivacy: Privacy-Aware Distributed Deep Inference for low latency IoT systems [41.1371349978643]
  本稿では,流通戦略の再考を通じて協調的深層推論の安全性を目標とするアプローチを提案する。 我々は、この手法を最適化として定式化し、コ推論のレイテンシとプライバシーレベルのデータのトレードオフを確立する。
  論文  参考訳（メタデータ） (2022-08-27T14:50:00Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)

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。