論文の概要: Future Mining: Learning for Safety and Security
- arxiv url: http://arxiv.org/abs/2602.11472v1
- Date: Thu, 12 Feb 2026 01:13:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.596506
- Title: Future Mining: Learning for Safety and Security
- Title（参考訳）: 今後のマイニング - 安全と安全を学ぶこと
- Authors: Md Sazedur Rahman, Mizanur Rahman Jewel, Sanjay Madria,
- Abstract要約: 現実世界の鉱業環境は、照明不足、GPSの否定された条件、不規則な地下地形、断続的な接続など、厳しい制約を課している。
本稿では,マルチモーダル認識,セキュアなフェデレーション学習,強化学習,DTN対応通信,エネルギー認識を協調型安全フレームワークに統合する統合型スマートセーフティ・セキュリティアーキテクチャの構想について述べる。
- 参考スコア（独自算出の注目度）: 0.30586855806896046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mining is rapidly evolving into an AI driven cyber physical ecosystem where safety and operational reliability depend on robust perception, trustworthy distributed intelligence, and continuous monitoring of miners and equipment. However, real world mining environments impose severe constraints, including poor illumination, GPS denied conditions, irregular underground topologies and intermittent connectivity. These factors degrade perception accuracy, disrupt situational awareness and weaken distributed learning systems. At the same time, emerging cyber physical threats such as backdoor triggers, sensor spoofing, label flipping attacks, and poisoned model updates further jeopardize operational safety as mines adopt autonomous vehicles, humanoid assistance, and federated learning for collaborative intelligence. Energy constrained sensors also experience uneven battery depletion, creating blind spots in safety coverage and disrupting hazard detection pipelines. This paper presents a vision for a Unified Smart Safety and Security Architecture that integrates multimodal perception, secure federated learning, reinforcement learning, DTN enabled communication, and energy aware sensing into a cohesive safety framework. We introduce five core modules: Miner Finder, Multimodal Situational Awareness, Backdoor Attack Monitor, TrustFed LFD, and IoT driven Equipment Health Monitoring. These modules collectively address miner localization, hazard understanding, federated robustness, and predictive maintenance. Together, they form an end to end framework capable of guiding miners through obstructed pathways, identifying compromised models or sensors, and ensuring mission critical equipment reliability. This work outlines a comprehensive research vision for building a resilient and trustworthy intelligent mining system capable of maintaining operational continuity under adversarial conditions.
- Abstract（参考訳）: マイニングは、安全と運用上の信頼性が堅牢な認識、信頼できる分散インテリジェンス、マイカと機器の継続的な監視に依存する、AI駆動のサイバー物理エコシステムへと急速に進化している。
しかし、現実世界の鉱業環境は、照明不足、GPSの否定された条件、不規則な地下地形、断続的な接続など、厳しい制約を課している。
これらの要因は認識の精度を低下させ、状況認識を阻害し、分散学習システムを弱める。
同時に、バックドアのトリガー、センサーのスプーフィング、ラベルのフリップ攻撃、有毒モデル更新といったサイバー物理的脅威が出現し、鉱山が自動運転車、ヒューマノイド支援、協力的知性のための連邦学習を採用することにより、運用上の安全性をさらに危うくする。
エネルギーに制約されたセンサーは、バッテリーの枯渇を経験し、安全カバーに盲点を生じさせ、危険検出パイプラインを妨害する。
本稿では,マルチモーダル認識,セキュアなフェデレーション学習,強化学習,DTN対応通信,エネルギー認識を協調型安全フレームワークに統合する統合型スマートセーフティ・セキュリティアーキテクチャの構想について述べる。
我々は、Miner Finder、Multimodal situational Awareness、Backdoor Attack Monitor、TrustFed LFD、IoT駆動機器ヘルスモニタリングの5つのコアモジュールを紹介した。
これらのモジュールは、鉱業のローカライゼーション、ハザード理解、連合的堅牢性、予測保守に対処する。
同時に、破壊された経路を案内し、妥協したモデルやセンサーを識別し、ミッションクリティカルな機器の信頼性を確保することができるエンド・ツー・エンド・フレームワークを形成する。
本研究は、敵対的条件下での運用継続性を維持することのできる、レジリエントで信頼性の高いインテリジェントマイニングシステムを構築するための総合的な研究ビジョンを概説する。
関連論文リスト
- Leveraging the Power of Ensemble Learning for Secure Low Altitude Economy [64.39232788946173]
低高度経済(LAE)は社会福祉の強化と経済成長の推進に大きく貢献している。
本稿では,セキュアなLAEのためのアンサンブル学習,研究の焦点,解決策,ケーススタディについて検討する。
論文 参考訳（メタデータ） (2026-02-07T23:15:58Z) - Secure and Privacy-Preserving Federated Learning for Next-Generation Underground Mine Safety [0.7136933021609076]
地下の採掘活動は、温度、ガス濃度、鉱夫の動きなどの重要なパラメータを監視するためのセンサーネットワークに依存している。
機械学習(ML)モデルのトレーニングのために、生のセンサーデータを集中サーバに送信することは、深刻なプライバシとセキュリティ上の懸念を引き起こす。
地中採掘に適したプライバシー保護FLフレームワークであるFedMiningを提案する。
論文 参考訳（メタデータ） (2025-12-09T17:53:19Z) - OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。
我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文 参考訳（メタデータ） (2025-10-28T13:22:39Z) - Future G Network's New Reality: Opportunities and Security Challenges [14.998935625442877]
ISAC(Integrated Sensing and Communication)は、ワイヤレス接続をユビキタスセンサーに変換する重要な技術である。
ISACは、トランスフォーメーションな新しい機能をアンロックし、自律システム、強化された人間のセンシング、そして次世代の没入型アプリケーションを動かす。
主要なセキュリティ上の懸念は、従来のデータ保護の重点から、システムの物理的現実そのものに対する認識の完全性を保護するという、新たな優先順位へとシフトしている。
論文 参考訳（メタデータ） (2025-10-10T05:07:17Z) - AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [64.85086226439954]
本稿では,有害な指示に対するVLMエージェントの安全性を評価するためのベンチマークであるSAFEを提案する。
SAFEは、SAFE−THOR、SAFE−VERSE、SAFE−DIAGNOSEの3つの成分からなる。
我々は、ハザード認識を安全な計画と実行に翻訳する体系的な失敗を明らかにする。
論文 参考訳（メタデータ） (2025-06-17T16:37:35Z) - 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) - AI-Powered Anomaly Detection with Blockchain for Real-Time Security and Reliability in Autonomous Vehicles [1.1797787239802762]
我々は、リアルタイム異常検出のための人工知能(AI)のパワーとブロックチェーン技術を組み合わせて、悪意のあるアクティビティを検出して防止する新しいフレームワークを開発する。
このフレームワークでは、センサデータと異常アラートをブロックチェーン台帳にセキュアに格納する分散プラットフォームを使用して、データの不正性と信頼性を保証している。
これにより、AVシステムは、サイバースペースとハードウェアコンポーネントの両方の障害からの攻撃に対してより耐性がある。
論文 参考訳（メタデータ） (2025-05-10T12:53:28Z) - Secure Physical Layer Communications for Low-Altitude Economy Networking: A Survey [76.36166980302478]
低高度経済ネットワーク(LAENet)は変革的パラダイムとして浮上している。
LAENetにおける物理層通信は、航空通信環境の固有の特性により、セキュリティ上の脅威が増大している。
本調査は, LAENetにおける物理層通信に対する既存の安全対策を総合的に検討する。
論文 参考訳（メタデータ） (2025-04-12T09:36:53Z) - Defining and Evaluating Physical Safety for Large Language Models [62.4971588282174]
大型言語モデル (LLM) は、ドローンのようなロボットシステムを制御するためにますます使われている。
現実世界のアプリケーションに物理的な脅威や害をもたらすリスクは、まだ解明されていない。
我々は,ドローンの物理的安全性リスクを,(1)目標脅威,(2)目標脅威,(3)インフラ攻撃,(4)規制違反の4つのカテゴリに分類する。
論文 参考訳（メタデータ） (2024-11-04T17:41:25Z) - Enhancing Enterprise Security with Zero Trust Architecture [0.0]
Zero Trust Architecture (ZTA) は、現代のサイバーセキュリティに対する変革的なアプローチである。
ZTAは、ユーザ、デバイス、システムがデフォルトで信頼できないことを前提として、セキュリティパラダイムをシフトする。
本稿では、アイデンティティとアクセス管理(IAM)、マイクロセグメンテーション、継続的監視、行動分析など、ZTAの重要なコンポーネントについて検討する。
論文 参考訳（メタデータ） (2024-10-23T21:53:16Z) - A Low-Cost Multi-Agent System for Physical Security in Smart Buildings [0.08999666725996971]
統合物理セキュリティシステム(IP2S)は、様々なモノのインターネット(IoT)センサーとアクチュエータを調整できるマルチエージェントシステムである。
提案システムは,4つの分野の産業用フロア環境における火災と侵入検知を組み合わせた実例実験で検証された。
論文 参考訳（メタデータ） (2022-09-01T22:20:39Z)
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。