論文の概要: SRLR: Symbolic Regression based Logic Recovery to Counter Programmable Logic Controller Attacks

• arxiv url: http://arxiv.org/abs/2512.11298v1
• Date: Fri, 12 Dec 2025 05:47:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.670306
• Title: SRLR: Symbolic Regression based Logic Recovery to Counter Programmable Logic Controller Attacks
• Title（参考訳）: SRLR: プログラム可能な論理コントローラ攻撃に対するシンボリック回帰に基づく論理回復
• Authors: Hao Zhou, Suman Sourav, Binbin Chen, Ke Yu,
• Abstract要約: 入力と出力のみに基づいてPSCの論理を識別するSRLRを開発する。 復元されたロジックは、コントローラロジック攻撃を検出するための説明可能なルールを生成するために使用される。 回復精度の面では、SRLRの利得は、いくつかの困難な環境では最大39%となる。
• 参考スコア（独自算出の注目度）: 14.192701159151527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Programmable Logic Controllers (PLCs) are critical components in Industrial Control Systems (ICSs). Their potential exposure to external world makes them susceptible to cyber-attacks. Existing detection methods against controller logic attacks use either specification-based or learnt models. However, specification-based models require experts' manual efforts or access to PLC's source code, while machine learning-based models often fall short of providing explanation for their decisions. We design SRLR -- a it Symbolic Regression based Logic Recovery} solution to identify the logic of a PLC based only on its inputs and outputs. The recovered logic is used to generate explainable rules for detecting controller logic attacks. SRLR enhances the latest deep symbolic regression methods using the following ICS-specific properties: (1) some important ICS control logic is best represented in frequency domain rather than time domain; (2) an ICS controller can operate in multiple modes, each using different logic, where mode switches usually do not happen frequently; (3) a robust controller usually filters out outlier inputs as ICS sensor data can be noisy; and (4) with the above factors captured, the degree of complexity of the formulas is reduced, making effective search possible. Thanks to these enhancements, SRLR consistently outperforms all existing methods in a variety of ICS settings that we evaluate. In terms of the recovery accuracy, SRLR's gain can be as high as 39% in some challenging environment. We also evaluate SRLR on a distribution grid containing hundreds of voltage regulators, demonstrating its stability in handling large-scale, complex systems with varied configurations.
• Abstract（参考訳）: プログラマブルロジックコントローラ(PLC)は、産業制御システム(ICS)において重要なコンポーネントである。 外の世界への露出の可能性は、サイバー攻撃の影響を受けやすい。 コントローラロジック攻撃に対する既存の検出方法は、仕様ベースまたは学習モデルのいずれかを使用する。 しかしながら、仕様ベースのモデルは専門家の手作業やPLCのソースコードへのアクセスを必要とし、マシンラーニングベースのモデルは意思決定の説明を提供するには不十分であることが多い。 SRLR -- シンボリック回帰に基づく論理リカバリソリューションを設計し、その入力と出力のみに基づいてPLCの論理を識別する。 復元されたロジックは、コントローラロジック攻撃を検出するための説明可能なルールを生成するために使用される。 SRLRは、(1)重要なICS制御ロジックが時間領域ではなく周波数領域で表されるのが最適である、(2)ICSコントローラが複数のモードで動作可能である、(2)モードスイッチが頻繁に発生しない、(3)頑健なコントローラはICSセンサデータにノイズがあるため、通常、外部からの入力をフィルタリングする、(4)上記の要素をキャプチャした上で、公式の複雑さを減らし、効率的な探索を可能にする。 これらの拡張により、SRLRは、我々が評価した様々なICS設定において、既存のすべてのメソッドを一貫して上回ります。 回復精度の面では、SRLRの利得は、いくつかの困難な環境では最大39%となる。 また、多数の電圧調整器を含む分散グリッド上でSRLRを評価し、構成の異なる大規模複雑なシステムを扱う際の安定性を実証した。

関連論文リスト

• Autonomous Issue Resolver: Towards Zero-Touch Code Maintenance [0.0]
  標準コードプロパティグラフからデータ変換グラフ(DTG)の概念へのパラダイムシフトを提案する。 本稿では,データ整合性ナビゲーションを制御フロー論理で整合するマルチエージェントフレームワークを提案する。 我々の手法はいくつかのSWEベンチマークで良い結果を示し、解像度は87.1%に達した。
  論文  参考訳（メタデータ） (2025-12-09T11:11:37Z)
• SCRUTINEER: Detecting Logic-Level Usage Violations of Reusable Components in Smart Contracts [41.56019272656647]
  SCRUTINEERは、SCRの論理レベルの使用法違反を検出する自動システムである。 SCRUTINEERの精度は80.77%、リコールは82.35%、F1スコアは81.55%である。
  論文  参考訳（メタデータ） (2025-11-14T15:41:56Z)
• QiMeng-SALV: Signal-Aware Learning for Verilog Code Generation [47.82802346420197]
  我々は,Verilogコード生成のための信号認識学習(QiMeng-SALV)を提案する。 トレーニングデータにおける参照モジュールの機能的正当性を,参照モジュールの機能的正当性と比較することにより検証する。 最後に,信号レベル符号セグメントに最適化された信号認識型DPOを提案する。
  論文  参考訳（メタデータ） (2025-10-22T06:58:07Z)
• How Robust Are Router-LLMs? Analysis of the Fragility of LLM Routing Capabilities [62.474732677086855]
  大規模言語モデル(LLM)ルーティングは,計算コストと性能のバランスをとる上で重要な戦略である。 DSCベンチマークを提案する: Diverse, Simple, and Categorizedは、幅広いクエリタイプでルータのパフォーマンスを分類する評価フレームワークである。
  論文  参考訳（メタデータ） (2025-03-20T19:52:30Z)
• Deployable Reinforcement Learning with Variable Control Rate [14.838483990647697]
  可変制御率を持つ強化学習(RL)の変種を提案する。 このアプローチでは、ポリシーは、エージェントが取るべきアクションと、そのアクションに関連する時間ステップの期間を決定する。 ニュートンキネマティクスを用いたエージェントを駆動する概念実証シミュレーションによりSEACの有効性を示す。
  論文  参考訳（メタデータ） (2024-01-17T15:40:11Z)
• Rethinking Reinforcement Learning based Logic Synthesis [13.18408482571087]
  我々は,重要な演算子を自動的に認識し,未知の回路に一般化可能な共通演算子列を生成するRLベースの新しい手法を開発した。 本アルゴリズムは,EPFLベンチマーク,プライベートデータセット,産業規模での回路で検証する。
  論文  参考訳（メタデータ） (2022-05-16T12:15:32Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Logical blocks for fault-tolerant topological quantum computation [55.41644538483948]
  本稿では,プラットフォームに依存しない論理ゲート定義の必要性から,普遍的なフォールトトレラント論理の枠組みを提案する。 資源オーバーヘッドを改善するユニバーサル論理の新しいスキームについて検討する。 境界のない計算に好適な論理誤差率を動機として,新しい計算手法を提案する。
  論文  参考訳（メタデータ） (2021-12-22T19:00:03Z)
• Deep Reinforcement Learning with Shallow Controllers: An Experimental Application to PID Tuning [3.9146761527401424]
  実際の物理システム上での最先端RLアルゴリズムの実現における課題について述べる。 私たちのアプローチの核心は、トレーニング可能なRLポリシーとしてPIDコントローラを使用することです。
  論文  参考訳（メタデータ） (2021-11-13T18:48:28Z)
• Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
  線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。 このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
  論文  参考訳（メタデータ） (2019-02-02T20:09:32Z)

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。