論文の概要: Byzantine-Robust Federated Learning Framework with Post-Quantum Secure Aggregation for Real-Time Threat Intelligence Sharing in Critical IoT Infrastructure
- arxiv url: http://arxiv.org/abs/2601.01053v1
- Date: Sat, 03 Jan 2026 03:13:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:21.973152
- Title: Byzantine-Robust Federated Learning Framework with Post-Quantum Secure Aggregation for Real-Time Threat Intelligence Sharing in Critical IoT Infrastructure
- Title（参考訳）: クリティカルIoTインフラストラクチャにおけるリアルタイム脅威情報共有のためのポスト量子セキュアアグリゲーションを備えたByzantine-Robustフェデレーション学習フレームワーク
- Authors: Milad Rahmati, Nima Rahmati,
- Abstract要約: IoTセキュリティに対する従来のフェデレートされた学習アプローチは、ビザンチン攻撃に対する感受性と、将来の量子コンピューティングの脅威に対する不適切な2つの重大な脆弱性に悩まされている。
本稿では,ポスト・クォータム・セキュアアグリゲーションと統合されたビザンチン・ロバスト・フェデレーション学習フレームワークを提案する。
提案フレームワークは,適応重み付けアグリゲーション機構と格子ベースの暗号プロトコルを組み合わせることで,モデル中毒攻撃や量子敵に対する防御を同時に行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of Internet of Things devices in critical infrastructure has created unprecedented cybersecurity challenges, necessitating collaborative threat detection mechanisms that preserve data privacy while maintaining robustness against sophisticated attacks. Traditional federated learning approaches for IoT security suffer from two critical vulnerabilities: susceptibility to Byzantine attacks where malicious participants poison model updates, and inadequacy against future quantum computing threats that can compromise cryptographic aggregation protocols. This paper presents a novel Byzantine-robust federated learning framework integrated with post-quantum secure aggregation specifically designed for real-time threat intelligence sharing across critical IoT infrastructure. The proposed framework combines a adaptive weighted aggregation mechanism with lattice-based cryptographic protocols to simultaneously defend against model poisoning attacks and quantum adversaries. We introduce a reputation-based client selection algorithm that dynamically identifies and excludes Byzantine participants while maintaining differential privacy guarantees. The secure aggregation protocol employs CRYSTALS-Kyber for key encapsulation and homomorphic encryption to ensure confidentiality during parameter updates. Experimental evaluation on industrial IoT intrusion detection datasets demonstrates that our framework achieves 96.8% threat detection accuracy while successfully mitigating up to 40% Byzantine attackers, with only 18% computational overhead compared to non-secure federated approaches. The framework maintains sub-second aggregation latency suitable for real-time applications and provides 256-bit post-quantum security level.
- Abstract（参考訳）: 重要なインフラにおけるIoTデバイスの普及は、前例のないサイバーセキュリティ上の課題を生み出し、高度な攻撃に対する堅牢性を維持しながら、データのプライバシを保存する共同脅威検出メカニズムを必要としている。
IoTセキュリティに対する従来のフェデレートされた学習アプローチには、2つの重大な脆弱性がある。悪意のある参加者がモデルのアップデートを害するビザンチン攻撃に対する感受性と、暗号化集約プロトコルを侵害する可能性のある将来の量子コンピューティング脅威に対する不適切性だ。
本稿では,重要なIoTインフラストラクチャ間でのリアルタイムな脅威情報共有に特化して設計された,ポスト量子セキュアアグリゲーションと統合されたByzantine-robustフェデレーション学習フレームワークを提案する。
提案フレームワークは,適応重み付けアグリゲーション機構と格子ベースの暗号プロトコルを組み合わせることで,モデル中毒攻撃や量子敵に対する防御を同時に行う。
評価に基づくクライアント選択アルゴリズムを導入し,バイザンティンの参加者を動的に識別・排除すると同時に,プライバシー保証の相違も維持する。
セキュアアグリゲーションプロトコルはCRYSTALS-Kyberを使って鍵カプセル化と同型暗号化を行い、パラメータ更新時の秘密性を保証する。
産業用IoT侵入検出データセットを実験的に評価したところ、我々のフレームワークは96.8%の脅威検出精度を達成しつつ、最大40%のビザンチン攻撃者を軽減し、非セキュアなフェデレーションアプローチと比較して計算オーバーヘッドは18%に過ぎなかった。
このフレームワークは、リアルタイムアプリケーションに適した秒未満のアグリゲーションレイテンシを保持し、256ビット後のセキュリティレベルを提供する。
関連論文リスト
- Noise-Aware and Dynamically Adaptive Federated Defense Framework for SAR Image Target Recognition [41.71964972109509]
フェデレートラーニング(FL)は、SAR画像目標認識のための新しい計算知能パラダイムを提供する。
FLは、悪意のあるクライアントがSARの乗法的スペックルノイズを利用してバックドアトリガーを隠すという重大なセキュリティリスクに直面している。
本稿では、周波数領域、空間領域、クライアント行動分析を統合したノイズ認識および動的適応型連合防衛フレームワークNADAFDを提案する。
論文 参考訳（メタデータ） (2025-12-31T17:24:15Z) - Categorical Framework for Quantum-Resistant Zero-Trust AI Security [0.0]
我々は、セキュアなAIモデルのために、ポスト量子暗号(PQC)とゼロ信頼アーキテクチャ(AZT)の新たな統合を提案する。
我々のフレームワークは、暗号アクセスを射として、信頼ポリシーを関手として、一意にモデル化する。
具体的ESP32実装による実効性を示す。
論文 参考訳（メタデータ） (2025-11-25T17:17:24Z) - 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) - Network Hexagons Under Attack: Secure Crowdsourcing of Geo-Referenced Data [0.0]
本稿では,公開鍵基盤(PKI)と短命証明書を組み合わせたセキュリティアーキテクチャを提案する。
提案手法は,ランダム化鍵回転と適応的地理空間分解能により,ユーザとデバイスの匿名性を保証する。
以上の結果から,レイテンシが25%以上向上したり,スループットが7%以上低下したりすることなく,必要なセキュリティレベルを達成することが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-06-05T21:27:10Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - Federated Learning-Enhanced Blockchain Framework for Privacy-Preserving Intrusion Detection in Industrial IoT [0.0]
産業用IoT(Industrial Internet of Things, IIoT)システムはスマートマニュファクチャリングに不可欠なものになっています。
従来の侵入検知システム(IDS)は、データプライバシやレイテンシ、単一障害点に対する懸念を高める集中型アーキテクチャに依存することが多い。
我々は、IIoT環境に適したプライバシー保護侵入検知のための新しいFederated Learning-Enhanced Framework(FL-BCID)を提案する。
論文 参考訳（メタデータ） (2025-05-21T11:11:44Z) - 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) - CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection [41.94295877935867]
我々は,新たな暗号プロトコルの脆弱性を自律的に識別する大規模言語モデルの能力を評価するためのベンチマークを導入する。
私たちは、新しい、欠陥のある通信プロトコルのデータセットを作成し、AIエージェントが発見した脆弱性を自動的に検証する方法を設計しました。
論文 参考訳（メタデータ） (2024-11-20T14:16:55Z) - A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。
本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。
実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文 参考訳（メタデータ） (2024-01-19T14:52:04Z) - Fed-LSAE: Thwarting Poisoning Attacks against Federated Cyber Threat Detection System via Autoencoder-based Latent Space Inspection [0.0]
サイバーセキュリティでは、センシティブなデータと文脈情報と高品質なラベル付けが重要な役割を果たす。
本稿では,潜在空間表現を利用したフェデレーション学習のための新しい頑健なアグリゲーション手法であるFed-LSAEについて検討する。
CIC-ToN-IoTおよびN-Ba IoTデータセットの実験結果から,最先端の毒殺攻撃に対する防御機構の実現可能性が確認された。
論文 参考訳（メタデータ） (2023-09-20T04:14:48Z) - Secure Byzantine-Robust Distributed Learning via Clustering [16.85310886805588]
ビザンチンの堅牢性とプライバシを共同で保護するフェデレーション学習システムは、依然としてオープンな問題である。
本研究では,クライアントのプライバシーとロバスト性を同時に保持する分散学習フレームワークであるSHAREを提案する。
論文 参考訳（メタデータ） (2021-10-06T17:40:26Z)
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。