Fugu-MT 論文翻訳(概要): Evaluation of Risk and Resilience of the MBTA Green Rapid Transit System

論文の概要: Evaluation of Risk and Resilience of the MBTA Green Rapid Transit System

arxiv url: http://arxiv.org/abs/2512.10088v1
Date: Wed, 10 Dec 2025 21:23:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-12 16:15:42.066011
Title: Evaluation of Risk and Resilience of the MBTA Green Rapid Transit System
Title（参考訳）: MBTAグリーンラピッドトランジットシステムのリスク・レジリエンス評価
Authors: Anil Kumar Gorthi,
Abstract要約: マサチューセッツ湾交通局 (MBTA) はボストン大都市圏の主要な公共交通機関である。本稿では、グラフ理論、ネットワークメトリクス、モデルベースリスク分析(MBRA)ツールを用いて、MBTAグリーンラインのネットワークベースのリスクとレジリエンスの評価を行う。
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: The Transportation Systems Sector is one of the sixteen critical infrastructure sectors identified by the Cybersecurity and Infrastructure Security Agency (CISA) and plays a crucial role in ensuring public safety, economic stability, and national security. The Massachusetts Bay Transportation Authority (MBTA) serves as the primary public transportation system in the Greater Boston Area, with the Green Line representing one of the oldest and most complex rapid transit systems in the network. This paper presents a network-based risk and resilience assessment of the MBTA Green Line using graph theory, network metrics, and the Model-Based Risk Analysis (MBRA) tool. The original 70-station Green Line network is simplified into a 17-node model, and key metrics, including degree centrality, betweenness centrality, eigenvector centrality, spectral radius, node robustness, and blocking nodes, are computed using Python-based analysis. Critical vulnerability is derived using the MBRA resiliency equation, and random, targeted, and cyber-physical attack scenarios are evaluated. The results identify North Station, Government Center, Haymarket, Copley, and Kenmore as the most critical nodes. A fault tree analysis between Kenmore and Copley further demonstrates the impact of budget allocation on threat reduction. This work highlights key vulnerabilities in the Green Line network and provides actionable recommendations to improve resilience against cyber-physical threats.
Abstract（参考訳）: トランスポーテーション・システムズ・セクター(Transport Systems Sector)は、サイバーセキュリティ・インフラストラクチャー・セキュリティ・エージェンシー(CISA)によって特定される16の重要なインフラ分野のうちの1つであり、公共の安全、経済の安定、国家安全保障の確保に重要な役割を果たしている。マサチューセッツ湾交通局 (MBTA) はボストン都市圏で主要な公共交通機関であり、グリーン線はボストン都市圏で最古かつ最も複雑な高速交通システムの一つである。本稿では、グラフ理論、ネットワークメトリクス、モデルベースリスク分析(MBRA)ツールを用いて、MBTAグリーンラインのネットワークベースのリスクとレジリエンスの評価を行う。元々の70ステーションのグリーンラインネットワークは17ノードモデルに単純化され、度重心性、偏心性、固有ベクトル中心性、スペクトル半径、ノードロバスト性、ブロッキングノードといった重要なメトリクスはPythonベースの分析によって計算される。 MBRAレジリエンス方程式を用いて臨界脆弱性を導出し、ランダム、ターゲット、サイバー物理攻撃シナリオを評価する。結果は、ノースステーション、政府センター、ヘイマーケット、コプリー、ケンモアを最も重要なノードとしている。 Kenmore と Copley のフォールトツリー解析は、予算配分が脅威軽減に与える影響をさらに示している。この研究は、グリーンラインネットワークにおける重要な脆弱性を強調し、サイバー物理的脅威に対するレジリエンスを改善するための行動可能なレコメンデーションを提供する。

関連論文リスト

Reliability and Resilience of AI-Driven Critical Network Infrastructure under Cyber-Physical Threats [1.7614511833648008]
本稿では,サイバー物理的攻撃条件下でのカスケード障害を軽減するための耐障害性とレジリエンスに配慮した枠組みを提案する。 NS-3シミュレーションを用いて総合的な検証を行い、信頼性、レイテンシ、レジリエンス指数、パケット損失率などの重要な性能指標を分析した。
論文参考訳（メタデータ） (2025-10-22T06:56:44Z)
Flexible Qubit Allocation of Network Resource States [37.8666266153972]
フレキシブルで非自明なqubit-to-node代入を用いたグラフ状態の利用について検討する。ネットワークリソースの状態として任意のアロケーションを持つクラスタ状態に注目する。物理ネットワーク上の絡み合いトポロジをオーバーレイするモデリングフレームワークを提案する。
論文参考訳（メタデータ） (2025-10-17T16:01:17Z)
Modeling Interdependent Cybersecurity Threats Using Bayesian Networks: A Case Study on In-Vehicle Infotainment Systems [0.0]
本稿では,サイバーセキュリティリスクモデリングにおけるベイズネットワーク(BN)の適用について概説する。 In-Vehicle Infotainment (IVI)システムのためのSTRIDEベースの攻撃木をBNに変換するケーススタディを示す。
論文参考訳（メタデータ） (2025-05-14T01:04:45Z)
Understanding the Structure and Resilience of the Brazilian Federal Road Network Through Network Science [44.99833362998488]
本稿では、ブラジルの連邦道路網を重み付きネットワークとしてモデル化する。我々は, その地形特性を明らかにし, 75,000kmの道路を通じて, 国にとって重要な役割を担う重要な場所(都市)を特定することを目的とする。本研究の目的は,ブラジルの連邦道路の全体構造を明確化し,インフラ計画の改善とネットワークのレジリエンス向上のための資源優先のための実用的な洞察を提供することである。
論文参考訳（メタデータ） (2024-12-20T13:02:50Z)
SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。 SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
論文参考訳（メタデータ） (2024-07-17T09:01:38Z)
Performance Analysis of Decentralized Physical Infrastructure Networks and Centralized Clouds [42.37170902465878]
DePIN(Decentralized Physical Infrastructure Networks)は、データの主権と機密性を高め、単一障害点に対するレジリエンスを高めることを目的としている。この研究は、モノのインターネット(IoT)デバイスとブロックチェーンの組み合わせによる暗号経済設計を活用することで、DePINが従来の集中型アーキテクチャを破壊できる可能性に焦点を当てている。
論文参考訳（メタデータ） (2024-04-12T08:00:38Z)
FedDiSC: A Computation-efficient Federated Learning Framework for Power Systems Disturbance and Cyber Attack Discrimination [1.0621485365427565]
本稿では,フェデレート学習に基づくプライバシ保護と通信効率の高い攻撃検出フレームワークであるFedDiSCを提案する。我々は、電力システムとサイバーセキュリティの異常を正確に検出するために、表現学習に基づくDeep Auto-Encoderネットワークを提案する。提案手法を現実のサイバー攻撃検出のタイムラインに適応させるために,DP-SIGNSGDとして知られる勾配プライバシー保護量子化方式を利用する。
論文参考訳（メタデータ） (2023-04-07T13:43:57Z)
Graph Neural Network Surrogate for Seismic Reliability Analysis of Highway Bridge Systems [5.205252810216621]
本稿では,グラフニューラルネットワークに基づく橋梁網の耐震性評価手法を提案する。モンテカルロ法と比較して,提案手法の精度,計算効率,ロバスト性を実証する。
論文参考訳（メタデータ） (2022-10-12T17:00:26Z)
Beyond Robustness: A Taxonomy of Approaches towards Resilient Multi-Robot Systems [41.71459547415086]
我々はエージェントとマルチロボットシステムのネットワークにおけるレジリエンスの達成方法を分析する。我々はレジリエンスがエンジニアリング設計の中心となる必要があると主張している。
論文参考訳（メタデータ） (2021-09-25T11:25:02Z)
Solving Large-Scale Extensive-Form Network Security Games via Neural Fictitious Self-Play [35.585338294158554]
NFSP(Neural Fictitious Self-Play)に基づく大規模広義NSGの学習パラダイムNSG-NFSPを提案する。我々のアルゴリズムは、スケーラビリティとソリューション品質の両方において最先端のアルゴリズムよりも大幅に優れています。
論文参考訳（メタデータ） (2021-06-02T02:22:52Z)

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。