論文の概要: Uncovering Failures in Cyber-Physical System State Transitions: A Fuzzing-Based Approach Applied to sUAS

• arxiv url: http://arxiv.org/abs/2601.05449v1
• Date: Fri, 09 Jan 2026 00:37:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:49.800212
• Title: Uncovering Failures in Cyber-Physical System State Transitions: A Fuzzing-Based Approach Applied to sUAS
• Title（参考訳）: サイバー物理システム状態遷移における故障の発見--ファジングに基づくsUASへのアプローチ
• Authors: Theodore Chambers, Arturo Miguel Russell Bernal, Michael Vierhauser, Jane Cleland-Huang,
• Abstract要約: SaFUZZは、状態遷移、自動フェイルセーフ、ヒューマンオペレータのインタラクションに関連するコア動作を検証する、状態認識ファジィパイプラインである。 ファジィグ仕様を作成し、行動偏差を検知し、関連する障害木を動的に生成し、状態、モード、環境要因を可視化する。 我々は,SaFUZZを現実世界のsUASシステムに対して検証し,これまでシステム開発チームが検出していなかったいくつかの障害点を特定することができた。
• 参考スコア（独自算出の注目度）: 24.365105058018287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing deployment of small Uncrewed Aerial Systems (sUAS) in diverse and often safety-critical environments demands rigorous validation of onboard decision logic under various conditions. In this paper, we present SaFUZZ, a state-aware fuzzing pipeline that validates core behavior associated with state transitions, automated failsafes, and human operator interactions in sUAS applications operating under various timing conditions and environmental disturbances. We create fuzzing specifications to detect behavioral deviations, and then dynamically generate associated Fault Trees to visualize states, modes, and environmental factors that contribute to the failure, thereby helping project stakeholders to analyze the failure and identify its root causes. We validated SaFUZZ against a real-world sUAS system and were able to identify several points of failure not previously detected by the system's development team. The fuzzing was conducted in a high-fidelity simulation environment, and outcomes were validated on physical sUAS in a real-world field testing setting. The findings from the study demonstrated SaFUZZ's ability to provide a practical and scalable approach to uncovering diverse state transition failures in a real-world sUAS application.
• Abstract（参考訳）: 小型無人航空機システム(sUAS)の多様な安全上重要な環境への展開は、様々な条件下でのオンボード決定ロジックの厳密な検証を必要としている。 本稿では, 状態遷移, 自動フェイルセーフ, ヒューマンオペレーターの相互作用に関連するコア動作を, 様々なタイミング条件および環境障害下で動作させる状態認識ファジィパイプラインであるSaFUZZを提案する。 ファジング仕様を作成し、行動のずれを検知し、それに関連する障害ツリーを動的に生成し、障害の原因となる状態、モード、環境要因を可視化し、プロジェクトステークホルダーが障害を分析し、その根本原因を特定するのに役立つ。 我々は,SaFUZZを現実世界のsUASシステムに対して検証し,これまでシステム開発チームが検出していなかったいくつかの障害点を特定することができた。 ファジィリングは高忠実度シミュレーション環境で行われ,実世界の実地試験環境での物理的sUAS上で結果が検証された。 この研究の結果は、現実世界のsUASアプリケーションで多様な状態遷移障害を明らかにするための、実用的でスケーラブルなアプローチを提供するSaFUZZの能力を実証した。

関連論文リスト

• Information-Driven Fault Detection and Identification for Multi-Agent Spacecraft Systems: Collaborative On-Orbit Inspection Mission [1.9619984051233332]
  この研究は、地球低軌道における共同検査ミッションのためのグローバル・ローカル・タスク・アウェア・フォールト検出および識別の枠組みを提示する。 故障検出は、期待されたタスクメトリクスと観測されたタスクメトリクスの比較によって達成される。 高次のコスト勾配測定により、センサー、アクチュエータ、状態推定器間の故障の特定が可能になる。
  論文  参考訳（メタデータ） (2025-11-11T20:10:39Z)
• VehicleWorld: A Highly Integrated Multi-Device Environment for Intelligent Vehicle Interaction [78.34534983766973]
  VehicleWorldは、30のモジュール、250のAPI、680のプロパティを備えた、自動車ドメインのための最初の包括的な環境である。 本研究では,システム状態認識を明示的に維持し,目標条件を達成するために直接状態遷移を実装する新しい手法であるState-based Function Call (SFC)を提案する。
  論文  参考訳（メタデータ） (2025-09-08T14:28:25Z)
• Rethinking the Role of Operating Conditions for Learning-based Multi-condition Fault Diagnosis [5.428312095726722]
  産業システムでは多条件故障診断が一般的であり,従来の診断手法には大きな課題がある。 近年の深層学習の進展に伴い,多条件故障診断のパラダイムとして,伝達学習が断層診断分野に導入されている。 本稿では, 可変速度および可変負荷シナリオにおいて, 様々な条件下でのエンド・ツー・エンド領域の一般化手法の性能について検討する。 2段階の診断フレームワークが提案され,運用条件に著しい影響のあるシナリオ下での故障診断性能の向上を目的としている。
  論文  参考訳（メタデータ） (2025-06-21T15:34:51Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Supporting Early-Safety Analysis of IoT Systems by Exploiting Testing Techniques [9.095386349136717]
  フェールロジック分析 FLAは、潜在的な障害シナリオを予測するテクニックである。 手動でFLAルールを指定すれば、不完全あるいは不正確な仕様につながる、厳しいエラーが発生します。 これらのルールの完全性と正確性を改善するために,テスト手法を採用することを提案する。
  論文  参考訳（メタデータ） (2023-09-06T13:32:39Z)
• A Requirements-Driven Platform for Validating Field Operations of Small Uncrewed Aerial Vehicles [48.67061953896227]
  DroneReqValidator (DRV)は、sUAS開発者が運用コンテキストを定義し、複数のsUASミッション要件を設定し、安全性特性を指定し、独自のsUASアプリケーションを高忠実な3D環境にデプロイすることを可能にする。 DRVモニタリングシステムは、sUASと環境からランタイムデータを収集し、安全特性のコンプライアンスを分析し、違反をキャプチャする。
  論文  参考訳（メタデータ） (2023-07-01T02:03:49Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning [12.76337275628074]
  本研究では,条件付き変分推論に基づく変動力学モデルを提案し,多モード性および生成性をモデル化する。 環境遷移の負の対数類似度の上界を導出し、その上界を探査の本質的な報酬として利用する。 提案手法は,最先端の環境モデルに基づく探索手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-17T09:54:51Z)
• Counter-example Guided Learning of Bounds on Environment Behavior [11.357397596759172]
  本稿では, 環境の正確なモデルなしで, 仕様適合性を評価可能なデータ駆動型ソリューションを提案する。 私たちのアプローチでは、データとシステムの望ましい振る舞いの仕様を使用して、環境の振る舞いの保守的な反応性境界を学習する。
  論文  参考訳（メタデータ） (2020-01-20T19:58:24Z)

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。