論文の概要: Resource-Aware Deployment Optimization for Collaborative Intrusion Detection in Layered Networks

• arxiv url: http://arxiv.org/abs/2602.11851v1
• Date: Thu, 12 Feb 2026 11:42:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.792403
• Title: Resource-Aware Deployment Optimization for Collaborative Intrusion Detection in Layered Networks
• Title（参考訳）: 階層ネットワークにおける協調侵入検出のための資源を考慮した展開最適化
• Authors: André García Gómez, Ines Rieger, Wolfgang Hotwagner, Max Landauer, Markus Wurzenberger, Florian Skopik, Edgar Weippl,
• Abstract要約: サイバー攻撃に対抗するために、CIDS(Collaborative Intrusion Detection Systems)がますます採用されている。 分散クリティカルインフラストラクチャは、民間ドメインと軍事ドメインの両方のドローンのような急速に進化する環境で運用されるため、これらの動的変化に柔軟に対応可能なCIDSアーキテクチャの必要性はますます高まっている。 多様な分散環境にまたがるデプロイを容易にするための新しいCIDSフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.63128125113531
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Collaborative Intrusion Detection Systems (CIDS) are increasingly adopted to counter cyberattacks, as their collaborative nature enables them to adapt to diverse scenarios across heterogeneous environments. As distributed critical infrastructure operates in rapidly evolving environments, such as drones in both civil and military domains, there is a growing need for CIDS architectures that can flexibly accommodate these dynamic changes. In this study, we propose a novel CIDS framework designed for easy deployment across diverse distributed environments. The framework dynamically optimizes detector allocation per node based on available resources and data types, enabling rapid adaptation to new operational scenarios with minimal computational overhead. We first conducted a comprehensive literature review to identify key characteristics of existing CIDS architectures. Based on these insights and real-world use cases, we developed our CIDS framework, which we evaluated using several distributed datasets that feature different attack chains and network topologies. Notably, we introduce a public dataset based on a realistic cyberattack targeting a ground drone aimed at sabotaging critical infrastructure. Experimental results demonstrate that the proposed CIDS framework can achieve adaptive, efficient intrusion detection in distributed settings, automatically reconfiguring detectors to maintain an optimal configuration, without requiring heavy computation, since all experiments were conducted on edge devices.
• Abstract（参考訳）: 共同侵入検知システム(CIDS)は、異種環境の多様なシナリオに適応できるため、サイバー攻撃に対抗するためにますます採用されている。 分散クリティカルインフラストラクチャは、民間ドメインと軍事ドメインの両方のドローンのような急速に進化する環境で運用されるため、これらの動的変化に柔軟に対応可能なCIDSアーキテクチャの必要性はますます高まっている。 本研究では,多様な分散環境に容易に展開できるCIDSフレームワークを提案する。 このフレームワークは、利用可能なリソースとデータタイプに基づいて、ノード毎の検出器割り当てを動的に最適化し、計算オーバーヘッドを最小限に抑えた新しい運用シナリオへの迅速な適応を可能にする。 筆者らはまず,既存のCIDSアーキテクチャの重要な特徴を明らかにするため,総合的な文献レビューを行った。 これらの洞察と実世界のユースケースに基づいて、異なるアタックチェーンとネットワークトポロジを特徴とする複数の分散データセットを用いて評価したCIDSフレームワークを開発しました。 特に,重要なインフラの破壊を目的とした地上ドローンをターゲットとした,現実的なサイバー攻撃に基づく公開データセットを紹介する。 実験結果から,CIDSフレームワークは分散環境での適応的かつ効率的な侵入検知を実現し,エッジデバイス上でのすべての実験を行うため,計算処理を必要とせず,最適な構成を維持するために検出器を自動的に再構成することができることがわかった。

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)
• Meta-SimGNN: Adaptive and Robust WiFi Localization Across Dynamic Configurations and Diverse Scenarios [19.53646761400287]
  本稿では,グラフニューラルネットワークとメタラーニングを統合した新しいWiFiローカライゼーションシステムMeta-SimGNNを提案する。 各ノードの特徴を構造化するために,振幅位相融合法と特徴抽出法を提案する。 前者は振幅と位相の両方を利用してCSI画像を構築し、データの信頼性を高め、後者は帯域幅とアンテナ数の変化に対処するために次元一貫性のある特徴を抽出する。
  論文  参考訳（メタデータ） (2025-11-18T03:08:57Z)
• BERTector: An Intrusion Detection Framework Constructed via Joint-dataset Learning Based on Language Model [10.614008543431199]
  本研究では,BERTに基づくIDSのための統合データセット学習フレームワークであるBERTectorを提案する。 BERTectorは、トラフィック対応セマンティックトークン化のためのNAS-Tokenizer、ハイブリッドデータセットによる教師付き微調整、効率的な微調整のための低ランク適応の3つの重要なコンポーネントを統合している。 実験の結果,BERTectorは最先端検出精度,高い一般化性,優れた堅牢性を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-08-14T04:05:01Z)
• SimpleDeepSearcher: Deep Information Seeking via Web-Powered Reasoning Trajectory Synthesis [94.33978856270268]
  Retrieval-augmented Generation (RAG) システムは複雑なディープ検索シナリオにおいて高度な大規模言語モデル(LLM)を持つ。 既存のアプローチでは、高品質なトレーニングトラジェクトリが欠如し、分散ミスマッチに苦しむ、重要な制限に直面しています。 本稿では,複雑なトレーニングパラダイムではなく,戦略的データエンジニアリングによるギャップを埋めるフレームワークであるSimpleDeepSearcherを紹介する。
  論文  参考訳（メタデータ） (2025-05-22T16:05:02Z)
• Spatial-Temporal-Spectral Unified Modeling for Remote Sensing Dense Prediction [20.1863553357121]
  リモートセンシングのための現在のディープラーニングアーキテクチャは、基本的に堅固である。 本稿では,統合モデリングのための空間時間スペクトル統一ネットワーク(STSUN)について紹介する。 STSUNは任意の空間サイズ、時間長、スペクトル帯域で入力および出力データに適応することができる。 様々な密集した予測タスクと多様な意味クラス予測を統一する。
  論文  参考訳（メタデータ） (2025-05-18T07:39:17Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• Detecting Unknown Attacks in IoT Environments: An Open Set Classifier for Enhanced Network Intrusion Detection [5.787704156827843]
  本稿では,IoT環境に適したネットワーク侵入検知システム(NIDS)の領域におけるオープンセット認識(OSR)問題の緩和を目的としたフレームワークを提案する。 ネットワークトラフィックから空間的・時間的パターンを抽出し,パケットレベルデータのイメージベース表現に重きを置いている。 実験の結果は、このフレームワークの有効性を顕著に強調し、これまで見つからなかった攻撃に対して、驚くべき88%の検知率を誇示している。
  論文  参考訳（メタデータ） (2023-09-14T06:41:45Z)
• AutoAdapt: Automated Segmentation Network Search for Unsupervised Domain Adaptation [4.793219747021116]
  我々は、ドメイン適応のためのアーキテクチャレベルの視点と分析を提供するために、ニューラルアーキテクチャサーチ(NAS)を実行する。 本稿では,最大平均誤差と地域重み付きエントロピーを用いて,このギャップを埋めて精度を推定する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-24T17:59:02Z)
• Learning to Continuously Optimize Wireless Resource in a Dynamic Environment: A Bilevel Optimization Perspective [52.497514255040514]
  この研究は、データ駆動メソッドが動的環境でリソース割り当て戦略を継続的に学び、最適化することを可能にする新しいアプローチを開発しています。 学習モデルが新たなエピソードに段階的に適応できるように、連続学習の概念を無線システム設計に組み込むことを提案する。 我々の設計は、異なるデータサンプルにまたがる公平性を保証する、新しい二段階最適化定式化に基づいている。
  論文  参考訳（メタデータ） (2021-05-03T07:23:39Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。