論文の概要: Decentralized Multi-Agent Swarms for Autonomous Grid Security in Industrial IoT: A Consensus-based Approach
- arxiv url: http://arxiv.org/abs/2601.17303v1
- Date: Sat, 24 Jan 2026 04:25:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:07.509977
- Title: Decentralized Multi-Agent Swarms for Autonomous Grid Security in Industrial IoT: A Consensus-based Approach
- Title（参考訳）: 産業用IoTにおける自律グリッドセキュリティのための分散マルチエージェント群:合意に基づくアプローチ
- Authors: Samaresh Kumar Singh, Joyjit Roy,
- Abstract要約: DMASエージェントは軽量なピアツーピアプロトコルを介して通信し、異常な振る舞いを協調的に検出する。
エージェントは特定された脅威の脅威レベルに投票し、妥協されたノードやノードの即時隔離を可能にする。
DMASは、ミリ秒以下の応答時間、高負荷下で悪意のある活動を検出する精度97.3%、ゼロデイ攻撃を検出する精度87%を示した。
- 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: As Industrial Internet of Things (IIoT) environments expand to include tens of thousands of connected devices. The centralization of security monitoring architectures creates serious latency issues that savvy attackers can exploit to compromise an entire manufacturing ecosystem. This paper outlines a new, decentralized multi-agent swarm (DMAS) architecture that includes autonomous artificial intelligence (AI) agents at each edge gateway, functioning as a distributed digital "immune system" for IIoT networks. Instead of using a traditional static firewall approach, the DMAS agents communicate via a lightweight peer-to-peer protocol to cooperatively detect anomalous behavior across the IIoT network without sending data to a cloud infrastructure. The authors also outline a consensus-based threat validation (CVT) process in which agents vote on the threat level of an identified threat, enabling instant quarantine of a compromised node or nodes. The authors conducted experiments on a testbed that simulated an innovative factory environment with 2000 IIoT devices and found that the DMAS demonstrated sub-millisecond response times (average of 0.85ms), 97.3% accuracy in detecting malicious activity under high load, and 87% accuracy in detecting zero-day attacks. All significantly higher than baseline values for both centralized and edge computing. Additionally, the proposed architecture can prevent real-time cascading failures in industrial control systems and reduce network bandwidth use by 89% compared to cloud-based solutions.
- Abstract（参考訳）: 産業用IoT(Industrial Internet of Things)環境が拡大するにつれ、何万ものデバイスが接続されるようになる。
セキュリティ監視アーキテクチャの集中化は、攻撃に精通した攻撃者が悪用して製造エコシステム全体に侵入する、深刻なレイテンシー問題を引き起こす。
本稿では、各エッジゲートウェイに自律人工知能(AI)エージェントを含む分散マルチエージェント群(DMAS)アーキテクチャを概説し、IoTネットワークの分散デジタル「免疫システム」として機能する。
従来の静的ファイアウォールアプローチを使用する代わりに、DMASエージェントは軽量のピアツーピアプロトコルを介して通信し、クラウドインフラストラクチャにデータを送信することなく、IIoTネットワーク全体で異常な振る舞いを協調的に検出する。
著者らはまた、エージェントが特定された脅威の脅威レベルに投票し、妥協されたノードやノードの即時隔離を可能にする、コンセンサスベースの脅威検証(CVT)プロセスの概要を説明した。
著者らは2000 IIoTデバイスで革新的な工場環境をシミュレートしたテストベッドで実験を行い、DMASはミリ秒以下の応答時間(平均0.85ms)、高負荷下で悪意のある活動を検出する精度97.3%、ゼロデイ攻撃を検出する精度87%を示した。
すべて、集中型コンピューティングとエッジコンピューティングの両方のベースライン値よりもはるかに高い。
さらに、提案アーキテクチャは、産業用制御システムにおけるリアルタイムカスケード障害を防止し、クラウドベースのソリューションと比較してネットワーク帯域幅を89%削減することができる。
関連論文リスト
- Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。
従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。
LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-25T12:47:25Z) - Automating Supply Chain Disruption Monitoring via an Agentic AI Approach [49.77982322940809]
我々は、自律的に監視し、分析し、拡張されたサプライネットワークにまたがる破壊に応答する、最小限の教師付きエージェントAIフレームワークを導入する。
F1スコアは0.962から0.991の間であり、破壊1回あたり0.0836ドルのコストで平均3.83分でエンドツーエンドの分析を行う。
論文 参考訳（メタデータ） (2026-01-14T18:28:31Z) - Scalable Hierarchical AI-Blockchain Framework for Real-Time Anomaly Detection in Large-Scale Autonomous Vehicle Networks [0.5505634045241287]
既存のセキュリティスキームでは、車両の大規模ネットワークの10ms未満の異常検出と分散調整ができない。
本稿では,リアルタイムな局所脅威検出と分散協調操作を分離する3層ハイブリッドセキュリティアーキテクチャであるHAVENを紹介する。
エッジ上の光アンサンブル異常検出モデル、Byzantine-fault-tolerant Federated Learningを使用して、地域規模の脅威インテリジェンスを集約する、重要なセキュリティ調整を保証するための選択されたブロックチェーンメカニズムが含まれている。
論文 参考訳（メタデータ） (2025-11-16T15:30:46Z) - Proactive DDoS Detection and Mitigation in Decentralized Software-Defined Networking via Port-Level Monitoring and Zero-Training Large Language Models [3.6260109722491465]
Software-Defined Networking (cSDN)は、柔軟でプログラム可能なネットワーク制御を提供するが、スケーラビリティと信頼性の問題に悩まされている。
分散化されたSDN(dSDN) 複数のローカルコントローラ間で制御を分散することで、これらの懸念を緩和する。
このアーキテクチャは、Denial-of-Service(DDoS)攻撃に対して非常に脆弱である。
本稿では,dSDN環境に適した新しい検出・緩和フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-01T08:57:29Z) - The Use of the Simplex Architecture to Enhance Safety in Deep-Learning-Powered Autonomous Systems [38.86794557167231]
本稿では,学習に基づく自律システムの安全性,セキュリティ,予測可能性のレベルを向上するソフトウェアアーキテクチャを提案する。
これは2つの独立した実行ドメインを活用している。1つは、信頼できるオペレーティングシステム下でのニューラルネットワークの実行に特化しており、信頼できないと見なされている。
論文 参考訳（メタデータ） (2025-09-25T11:20:47Z) - A Robust Cross-Domain IDS using BiGRU-LSTM-Attention for Medical and Industrial IoT Security [0.21427777919040417]
本稿では,BiGAT-IDと呼ばれる新しいトランスフォーマーを用いた侵入検知システムについて紹介する。
BiGAT-IDは、双方向リカレントゲートユニットBiGRU、長期記憶LSTMネットワーク、マルチヘッドアテンションMHAを組み合わせたハイブリッドモデルである。
このモデルは例外的な実行効率を示し、IoMTではインスタンス毎に0.0002秒、IIoTシナリオでは0.0001秒の推論時間である。
論文 参考訳（メタデータ） (2025-08-17T18:50:23Z) - A Hierarchical IDS for Zero-Day Attack Detection in Internet of Medical Things Networks [1.024113475677323]
我々は、ゼロデイ攻撃を検出し、既知の脅威と未知の脅威を区別できるマルチレベルIoMT IDSフレームワークを提案する。
第1層は、新しいデータセットを必要とせず、ゼロデイ攻撃を高精度に検出し、IoMT環境での強い適用性を保証する。
論文 参考訳（メタデータ） (2025-08-14T05:08:37Z) - 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) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Lightweight Collaborative Anomaly Detection for the IoT using Blockchain [40.52854197326305]
モノのインターネット(IoT)デバイスには、攻撃者によって悪用される可能性のある多くの脆弱性がある傾向がある。
異常検出のような教師なしの技術は、これらのデバイスをプラグ・アンド・プロテクトで保護するために使用することができる。
Raspberry Pi48台からなる分散IoTシミュレーションプラットフォームを提案する。
論文 参考訳（メタデータ） (2020-06-18T14:50:08Z)
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。