論文の概要: HYDRA: Unearthing "Black Swan" Vulnerabilities in LEO Satellite Networks

• arxiv url: http://arxiv.org/abs/2602.06612v1
• Date: Fri, 06 Feb 2026 11:14:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.373048
• Title: HYDRA: Unearthing "Black Swan" Vulnerabilities in LEO Satellite Networks
• Title（参考訳）: HYDRA:LEO衛星ネットワークにおける「ブラックスワン」脆弱性の発見
• Abstract要約: 従来のトポロジ中心の手法では、動的負荷の不均衡と高次の依存関係から生じるシステム的リスクを捕捉できない。 ハイパーグラフに基づく動的リスク分析フレームワークHYDRAを提案する。 その中核は、依存構造内の負荷/冗長比を通じてノード臨界度を定量化する新しい計量であるHyper-Bridge Centrality (HBC)である。
• 参考スコア（独自算出の注目度）: 3.0941476035824658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Low Earth Orbit (LEO) become mega-constellations critical infrastructure, attacks targeting them have grown in number and range. The security analysis of LEO constellations faces a fundamental paradigm gap: traditional topology-centric methods fail to capture systemic risks arising from dynamic load imbalances and high-order dependencies, which can transform localized failures into network-wide cascades. To address this, we propose HYDRA, a hypergraph-based dynamic risk analysis framework. Its core is a novel metric, Hyper-Bridge Centrality (HBC), which quantifies node criticality via a load-to-redundancy ratio within dependency structures. A primary challenge to resilience: the most critical vulnerabilities are not in the densely connected satellite core, but in the seemingly marginal ground-space interfaces. These are the system's "Black Swan" nodes--topologically peripheral yet structurally lethal. We validate this through extensive simulations using realistic StarLink TLE data and population-based gravity model. Experiments demonstrate that HBC consistently outperforms traditional metrics, identifying critical failure points that surpass the structural damage potential of even betweenness centrality. This work shifts the security paradigm from connectivity to structural stress, demonstrating that securing the network edge is paramount and necessitates a fundamental redesign of redundancy strategies.
• Abstract（参考訳）: Low Earth Orbit (LEO) がメガコンステレーションの重要なインフラとなるにつれ、それらをターゲットにした攻撃は数と範囲で増加している。 従来のトポロジ中心の手法は、動的負荷の不均衡と高次の依存関係に起因するシステム的リスクを捕捉できないため、局所的な障害をネットワーク全体のカスケードに変換することができる。 そこで我々はハイパーグラフに基づく動的リスク分析フレームワークHYDRAを提案する。 その中核は、依存構造内の負荷/冗長比を通じてノード臨界度を定量化する新しい計量であるHyper-Bridge Centrality (HBC)である。 レジリエンスの最大の課題は、最も重大な脆弱性は、密接な接続された衛星コアではなく、一見狭い地上空間のインターフェースにある。 これらは系の"ブラックスワン"ノードで、トポロジカルに周辺性はあるが構造的に致命的だ。 現実的なStarLink TLEデータと人口ベース重力モデルを用いて、広範囲なシミュレーションによりこれを検証した。 実験により、HBCは従来の指標よりも一貫して優れており、中性中心性でさえ構造的損傷の可能性を超える重要な障害点を特定している。 この作業は、セキュリティパラダイムを接続性から構造的ストレスにシフトさせ、ネットワークエッジの確保が最重要であり、冗長性戦略の根本的な再設計を必要とすることを示す。

関連論文リスト

• HYDRA: Quantifying Botnet Resource Thresholds for Efficient Link-Flooding Attacks on LEO Satellite Networks [27.028118060394103]
  低地球軌道(LEO)衛星は、低遅延のグローバル接続にとって重要なバックボーンとして急速に出現している。 最近の研究で、リンクフローディング攻撃(LFAs)は、戦略的なネットワークボトルネックを緩和するために、星座固有の特性を活用できることが示されている。 本稿では,LFA変種をボットネット問題として定式化するモデリングおよび最適化フレームワークHYDRAを提案する。
  論文  参考訳（メタデータ） (2026-09-14T15:00:08Z)
• Trustworthy, Explainable, and Sustainable Decentralized Intelligence for 6G Networks [40.96834401764948]
  6Gネットワークは動的でマルチドメインのエッジクラウド連続体で動作する。 セキュリティは、この分散パラダイムの主要な実現手段として機能します。 本稿では、分散化、信頼性、説明可能性、持続可能性を共同で設計する必要があると論じる。
  論文  参考訳（メタデータ） (2026-09-12T10:52:53Z)
• Defending Network Intrusion Detection Systems Based on Graph Neural Networks Against Structural Adversarial Attacks [3.444915014411325]
  グラフニューラルネットワーク(GNN)は、機械学習(ML)ベースのネットワーク侵入検知システム(NIDS)のための有望なソリューションである GNNは、エッジを注入したりノードを挿入することで、攻撃者が基盤となるネットワークグラフトポロジを乱す構造的敵攻撃に対して脆弱なままである。 本稿では,GNN ベースの NIDS を構造攻撃に対して強化するための対人訓練に基づく防御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:06:12Z)
• GUIDED Network-Agnostic Feature Initialization for Spatial Transferability in GNN-based Models [46.28228608289378]
  交通割り当て問題(Traffic Assignment Problem)は、交通計画の基本的だが計算に費用がかかる問題である。 本研究では,ネットワークに依存しない初期化層であるGeometrically Unconstrained Inductive Demand EmbeDdingを提案する。 このフレームワークは、ネットワークスケールに関係なく、入力空間を標準化する。 これは、貨物物流やマルチモーダルネットワーク最適化のような一般化された原点決定空間問題に対して、汎用的な青写真を提供する。
  論文  参考訳（メタデータ） (2026-07-21T16:41:59Z)
• An Efficient and Privacy-Preserving Architecture for Cross-Institutional Collaborative RAG [35.62196578084403]
  Retrieval-Augmented GenerationはLLMに外部知識を付与する。 厳格なプライバシー規制は、そのようなコラボレーションを妨げる「データサイロ」を深刻なものにする。 我々は,高スループットでプライバシ保護のフェデレートされたRAGフレームワークであるFedRAGを紹介する。
  論文  参考訳（メタデータ） (2026-05-25T11:18:19Z)
• A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
  DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。 DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。 本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T16:12:02Z)
• Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
  安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。 本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。 9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
  論文  参考訳（メタデータ） (2026-02-09T22:48:30Z)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
  本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。 静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。 高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
  論文  参考訳（メタデータ） (2026-01-19T07:57:52Z)
• OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
  メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
  論文  参考訳（メタデータ） (2025-12-30T16:40:02Z)
• Satellite Cybersecurity Across Orbital Altitudes: Analyzing Ground-Based Threats to LEO, MEO, and GEO [2.1130318406254074]
  本稿では、LEO、Medium Earth Orbit(MEO)およびGeostationary Earth Orbit(GEO)体制における衛星サイバーセキュリティの比較分析を行う。 60件のセキュリティインシデントから得られたデータを鍵の脆弱性で合成することで、軌道高度が実行可能性と影響をいかに予測するかを特徴づける。 我々は、未解決のサイバー脆弱性がハードウェアの陳腐化とデブリの蓄積を加速させ、カーボンニュートラル宇宙運用への努力を損なうと主張している。
  論文  参考訳（メタデータ） (2025-12-23T19:56:09Z)
• Evaluation of Risk and Resilience of the MBTA Green Rapid Transit System [0.0]
  マサチューセッツ湾交通局 (MBTA) はボストン大都市圏の主要な公共交通機関である。 本稿では、グラフ理論、ネットワークメトリクス、モデルベースリスク分析(MBRA)ツールを用いて、MBTAグリーンラインのネットワークベースのリスクとレジリエンスの評価を行う。
  論文  参考訳（メタデータ） (2025-12-10T21:23:32Z)
• Leveraging Vulnerabilities in Temporal Graph Neural Networks via Strategic High-Impact Assaults [8.54812911128942]
  時間グラフニューラルネットワーク(TGNN)は、臨界アプリケーションにおける動的グラフの分析に欠かせないものとなっている。 High Impact Attack (HIA)は、TGNNの重大な脆弱性を明らかにするために設計された、制限されたブラックボックス攻撃フレームワークである。 HIAはリンク予測タスクにおいてTGNNの精度を著しく低下させ、平均相反ランク(MRR)を最大35.55%減少させる。
  論文  参考訳（メタデータ） (2025-09-29T19:21:56Z)
• Higher-order Network phenomena of cascading failures in resilient cities [1.6858464664111417]
  本稿では,大規模で実世界のマルチモーダルトランスポートネットワークによる実証的な証拠とともに,高次ネットワーク理論に直面する枠組みを提案する。 ネットワーク統合は静的ロバスト性指標を増強するが、破滅性カスケードの構造経路を同時に生成する。 ネットワークの静的な青写真から得られたメトリクスが、従来の低次の中央性と新しい高次の構造解析の両方を介し、基本的には非連結であり、したがってシステムの動的機能レジリエンスの予測因子が貧弱であることを示す強力な証拠を提供する。
  論文  参考訳（メタデータ） (2025-09-17T08:22:12Z)
• A Sharded Blockchain-Based Secure Federated Learning Framework for LEO Satellite Networks [4.034610694515541]
  低地球軌道(LEO)衛星ネットワークは、宇宙ベースの人工知能(AI)アプリケーションにますます不可欠である。 商業利用が拡大するにつれて、LEO衛星ネットワークはサイバー攻撃のリスクが高まる。 我々は、SBFL-LEOと呼ばれるLEOネットワークのためのシャーディングブロックチェーンベースのフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-09T10:22:52Z)
• Minimum Topology Attacks for Graph Neural Networks [70.17791814425148]
  グラフニューラルネットワーク(GNN)は、敵対的トポロジ攻撃に対する堅牢性において大きな注目を集めている。 本稿では,各ノードに対する攻撃を成功させるのに十分な最小摂動を適応的に見つけることを目的とした,最小予算トポロジ攻撃という新しいタイプのトポロジ攻撃を提案する。
  論文  参考訳（メタデータ） (2024-03-05T07:29:12Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)

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。