論文の概要: Collaborative Zone-Adaptive Zero-Day Intrusion Detection for IoBT

• arxiv url: http://arxiv.org/abs/2602.16098v1
• Date: Wed, 18 Feb 2026 00:02:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.472997
• Title: Collaborative Zone-Adaptive Zero-Day Intrusion Detection for IoBT
• Title（参考訳）: IoBTにおけるコラボレーティブゾーン適応ゼロデイ侵入検出
• Authors: Amirmohammad Pasdar, Shabnam Kasra Kermanshahi, Nour Moustafa, Van-Thuan Pham,
• Abstract要約: 本稿では、未確認の攻撃タイプに対する協調検出およびモデル改善フレームワークであるZAIDを提案する。 ZAIDは、一般化可能なトラフィック表現のための普遍的畳み込みモデル、補助的な異常スコアとしてのオートエンコーダベースの再構成信号、パラメータ効率のよいゾーン適応のための軽量アダプタモジュールを組み合わせる。 我々は、MITM、DDoS、DoSを教師付きトレーニングから除外するゼロデイプロトコルを用いて、ToN_IoT上のZAIDを評価し、ゾーンレベルのデプロイメントと適応中にそれらを導入する。
• 参考スコア（独自算出の注目度）: 9.82963599072781
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Internet of Battlefield Things (IoBT) relies on heterogeneous, bandwidth-constrained, and intermittently connected tactical networks that face rapidly evolving cyber threats. In this setting, intrusion detection cannot depend on continuous central collection of raw traffic due to disrupted links, latency, operational security limits, and non-IID traffic across zones. We present Zone-Adaptive Intrusion Detection (ZAID), a collaborative detection and model-improvement framework for unseen attack types, where "zero-day" refers to previously unobserved attack families and behaviours (not vulnerability disclosure timing). ZAID combines a universal convolutional model for generalisable traffic representations, an autoencoder-based reconstruction signal as an auxiliary anomaly score, and lightweight adapter modules for parameter-efficient zone adaptation. To support cross-zone generalisation under constrained connectivity, ZAID uses federated aggregation and pseudo-labelling to leverage locally observed, weakly labelled behaviours. We evaluate ZAID on ToN_IoT using a zero-day protocol that excludes MITM, DDoS, and DoS from supervised training and introduces them during zone-level deployment and adaptation. ZAID achieves up to 83.16% accuracy on unseen attack traffic and transfers to UNSW-NB15 under the same procedure, with a best accuracy of 71.64%. These results indicate that parameter-efficient, zone-personalised collaboration can improve the detection of previously unseen attacks in contested IoBT environments.
• Abstract（参考訳）: Internet of Battlefield Things(IoBT)は、急速に進化するサイバー脅威に直面している異質で帯域制限のある、断続的に接続された戦術的ネットワークに依存している。 この設定では、侵入検出は、障害リンク、レイテンシ、運用上のセキュリティ制限、ゾーン間の非IIDトラフィックによる生トラフィックの継続的な集中収集に依存しない。 本研究では、未確認の攻撃タイプに対する協調検出およびモデル改善フレームワークであるゾーン適応侵入検知(ZAID)を提案する。 ZAIDは、一般化可能なトラフィック表現のための普遍的畳み込みモデル、補助的な異常スコアとしてのオートエンコーダベースの再構成信号、パラメータ効率のよいゾーン適応のための軽量アダプタモジュールを組み合わせる。 制約付き接続下でのクロスゾーン一般化を支援するため、ZAIDはフェデレーションアグリゲーションと擬似ラベリングを使用して、局所的に観察され、弱いラベル付けされた振る舞いを活用する。 我々は、MITM、DDoS、DoSを教師付きトレーニングから除外するゼロデイプロトコルを用いて、ToN_IoT上のZAIDを評価し、ゾーンレベルのデプロイメントと適応中にそれらを導入する。 ZAIDは最大83.16%の精度を達成し、同じ手順でUNSW-NB15に転送する。 これらの結果から,IoBT環境における未確認攻撃の検出が,パラメータ効率,ゾーンパーソナライズド・コラボレーションによって改善されることが示唆された。

関連論文リスト

• ACORN-IDS: Adaptive Continual Novelty Detection for Intrusion Detection Systems [9.772864559539084]
  ACORN-IDSは適応型連続ノベルティ検出フレームワークである。 ラベルなしデータストリームを進化させながら、通常のデータからのみ学習する。 ACORN-IDSはF1スコアを62%改善し、ゼロデイ攻撃検出を58%改善した。
  論文  参考訳（メタデータ） (2026-02-07T00:47:38Z)
• 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)
• 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)
• Beyond Static Thresholds: Adaptive RRC Signaling Storm Detection with Extreme Value Theory [0.8877220164547092]
  5G以降のネットワークでは、ユーザ機器(UE)と基地局(gNodeBまたはgNB)間の無線通信は、ネットワークアクセスと接続の重要なコンポーネントである。 これらの攻撃は、1つ以上のUEがgNBに多数の接続要求を送信すると発生し、新しいUEが接続を確立するのを防ぐ。 極値理論(EVT)に基づく適応しきい値に基づく検出システムを提案する。
  論文  参考訳（メタデータ） (2025-11-03T09:42:12Z)
• 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)
• Improving Black-Box Generative Attacks via Generator Semantic Consistency [51.470649503929344]
  ジェネレーティブアタックは テスト時に 1つのフォワードパスで 敵の例を生成する 初期ジェネレータの中間機能をEMA教師に整列させることで意味的整合性を実現する。 我々のアプローチは、ブラックボックス転送の一貫性を保ちながら、既存のジェネレーティブアタックにシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-06-23T02:35:09Z)
• Heterogeneous Multi-Agent Reinforcement Learning for Distributed Channel Access in WLANs [47.600901884970845]
  本稿では,マルチエージェント強化学習(MARL)を用いて,無線ローカルネットワークにおける分散チャネルアクセスに対処する。 特に、エージェントがモデルトレーニングに価値ベースまたはポリシーベースの強化学習アルゴリズムを不均一に採用する、より実践的なケースについて考察する。 我々は、分散実行パラダイムを用いた集中型トレーニングを採用し、異種エージェントの協調を可能にする、異種MARLトレーニングフレームワークQPMIXを提案する。
  論文  参考訳（メタデータ） (2024-12-18T13:50:31Z)
• Real-Time Zero-Day Intrusion Detection System for Automotive Controller Area Network on FPGAs [13.581341206178525]
  本稿では,ゼロデイアタックを検出するための教師なし学習に基づく畳み込みオートエンコーダアーキテクチャを提案する。 資源制約のZynq Ultrascaleプラットフォームを対象としたAMD/XilinxのVitis-AIツールを用いてモデルを定量化する。 提案モデルでは, 未知のDoS, ファジング, スプーフィング攻撃に対して, 同一以上の分類精度 (>99.5%) を達成することができた。
  論文  参考訳（メタデータ） (2024-01-19T14:36:01Z)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)

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。