論文の概要: IMS: Intelligent Hardware Monitoring System for Secure SoCs

• arxiv url: http://arxiv.org/abs/2601.11447v1
• Date: Fri, 16 Jan 2026 17:10:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.581017
• Title: IMS: Intelligent Hardware Monitoring System for Secure SoCs
• Title（参考訳）: IMS:Intelligent Hardware Monitoring System for Secure SoCs
• Authors: Wadid Foudhaili, Aykut Rencber, Anouar Nechi, Rainer Buchty, Mladen Berekovic, Andres Gomez, Saleh Mulhem,
• Abstract要約: 本稿では,AXIプロトコル違反をリアルタイムに検出するインテリジェントハードウェア監視システム(IMS)を提案する。 モデルトレーニングでは,ヘッダフィールド操作と系統的な悪意のある操作によってDoS攻撃を行う。 次に、量子化最適化ニューラルネットワークをデプロイし、=3%のレイテンシオーバーヘッドで98.7%の精度で検出します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the modern Systems-on-Chip (SoC), the Advanced eXtensible Interface (AXI) protocol exhibits security vulnerabilities, enabling partial or complete denial-of-service (DoS) through protocol-violation attacks. The recent countermeasures lack a dedicated real-time protocol semantic analysis and evade protocol compliance checks. This paper tackles this AXI vulnerability issue and presents an intelligent hardware monitoring system (IMS) for real-time detection of AXI protocol violations. IMS is a hardware module leveraging neural networks to achieve high detection accuracy. For model training, we perform DoS attacks through header-field manipulation and systematic malicious operations, while recording AXI transactions to build a training dataset. We then deploy a quantization-optimized neural network, achieving 98.7% detection accuracy with <=3% latency overhead, and throughput of >2.5 million inferences/s. We subsequently integrate this IMS into a RISC-V SoC as a memory-mapped IP core to monitor its AXI bus. For demonstration and initial assessment for later ASIC integration, we implemented this IMS on an AMD Zynq UltraScale+ MPSoC ZCU104 board, showing an overall small hardware footprint (9.04% look-up-tables (LUTs), 0.23% DSP slices, and 0.70% flip-flops) and negligible impact on the overall design's achievable frequency. This demonstrates the feasibility of lightweight, security monitoring for resource-constrained edge environments.
• Abstract（参考訳）: 現代のSystems-on-Chip (SoC) では、Advanced eXtensible Interface (AXI) プロトコルはセキュリティ上の脆弱性を示し、プロトコル違反攻撃によって部分的または完全なDoS(DoS)を可能にする。 最近の対策には、専用のリアルタイムプロトコルセマンティック分析と回避プロトコルコンプライアンスチェックがない。 本稿では、このAXI脆弱性に対処し、AXIプロトコル違反のリアルタイム検出のためのインテリジェントハードウェア監視システム(IMS)を提案する。 IMSは、ニューラルネットワークを活用して高い検出精度を実現するハードウェアモジュールである。 モデルトレーニングでは、ヘッダフィールド操作とシステマティックな悪意のある操作を通じてDoS攻撃を行い、AXIトランザクションを記録してトレーニングデータセットを構築する。 次に、量子化最適化ニューラルネットワークをデプロイし、<=3%レイテンシオーバヘッドで98.7%の検出精度と、250万以上の推論/秒のスループットを実現した。 このIMSをメモリマップされたIPコアとしてRISC-V SoCに統合し、AXIバスを監視する。 AMD Zynq UltraScale+ MPSoC ZCU104ボード上で、後のASIC統合の実証と初期評価を行い、ハードウェア全体のフットプリント(9.04%ルックアップテーブル(LUT)、0.23%のDSPスライス、0.70%のフリップフロップ)と、全体的な設計の達成可能な周波数に対する無視できない影響を示した。 これは、リソース制約のあるエッジ環境に対する軽量でセキュリティ監視の可能性を示している。

関連論文リスト

• A Protocol-Aware P4 Pipeline for MQTT Security and Anomaly Mitigation in Edge IoT Systems [0.8481798330936976]
  クラウドベースの侵入検知システムは、リアルタイム制御には適さないレイテンシを追加する。 本稿では,ネットワークエッジにおけるプロトコル対応セキュリティと異常検出のためのデータプレーン適用方式を提案する。 Mininet/BMv2テストベッドの実験では、政策執行精度99.8%、95%CI以内)、強い異常検出感度98%(真陽性率)、100秒5kppsの高品位99.9%(高品位99.9%)が示されている。
  論文  参考訳（メタデータ） (2026-01-12T13:38:59Z)
• RockNet: Distributed Learning on Ultra-Low-Power Devices [49.01692357536576]
  本稿では,超低消費電力ハードウェアに適した新しいTinyML法であるRockNetを提案する。 CPSは複数のデバイスで構成されているため,機械学習と無線通信を統合した分散学習手法を設計する。 この結果から,分散ML,分散コンピューティング,通信の緊密な統合により,最先端の精度で超低消費電力ハードウェアのトレーニングが可能となった。
  論文  参考訳（メタデータ） (2025-10-15T09:09:30Z)
• New Machine Learning Approaches for Intrusion Detection in ADS-B [0.0]
  航空交通管理は、脆弱性のあるAutomatic Dependent Surveillance-Broadcast (ADS-B)プロトコルに依存している。 本研究では,ADS-BのためのAIベースの侵入検知システム(IDS)を改善するための機械学習モデルとトレーニング戦略について検討する。
  論文  参考訳（メタデータ） (2025-10-09T15:22:20Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Efficient Denial of Service Attack Detection in IoT using Kolmogorov-Arnold Networks [22.036794530902608]
  本稿では,KAN(Kolmogorov-Arnold Networks)に基づくDoS攻撃検出の新しい軽量アプローチを提案する。 Kanは、最小限のリソース要件を維持しながら、最先端の検知性能を達成する。 既存のソリューションと比較して、kanは競合検出率を維持しながら、メモリ要求を最大98%削減する。
  論文  参考訳（メタデータ） (2025-02-03T21:19:46Z)
• iCNN-LSTM: A batch-based incremental ransomware detection system using Sysmon [1.495391051525033]
  本研究では,畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ネットワークを統合した新しい検出システムを提案する。 Sysmonログを活用することで、システムはWindowsベースのエンドポイント上でリアルタイムの分析を可能にする。
  論文  参考訳（メタデータ） (2025-01-02T05:57:41Z)
• SISSA: Real-time Monitoring of Hardware Functional Safety and Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
  本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。 具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。 広範囲な実験結果から,SISSAの有効性と有効性が確認された。
  論文  参考訳（メタデータ） (2024-02-21T03:31:40Z)
• A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid FPGAs [13.581341206178525]
  コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。 本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。 このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
  論文  参考訳（メタデータ） (2024-01-19T13:39:05Z)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)
• Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
  本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。 Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-12T09:18:36Z)

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。