論文の概要: Security Risks in Machining Process Monitoring: Sequence-to-Sequence Learning for Reconstruction of CNC Axis Positions

• arxiv url: http://arxiv.org/abs/2603.01702v1
• Date: Mon, 02 Mar 2026 10:27:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.81635
• Title: Security Risks in Machining Process Monitoring: Sequence-to-Sequence Learning for Reconstruction of CNC Axis Positions
• Title（参考訳）: 加工工程モニタリングにおけるセキュリティリスク:CNC軸位置復元のためのシーケンス・ツー・シーケンス学習
• Authors: Lukas Krupp, Rickmar Stahlschmidt, Norbert Wehn,
• Abstract要約: シーケンス・ツー・シーケンス・マシン・モデルは、非理想性を克服し、マシン・ツールの位置を再構築できることを示す。 本手法はLSTMに基づくシーケンス・ツー・シーケンスモデルを用いて,産業用ミリング軸モデルを用いて評価する。
• 参考スコア（独自算出の注目度）: 2.6217304977339464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accelerometer-based process monitoring is widely deployed in modern machining systems. When mounted on moving machine components, such sensors implicitly capture kinematic information related to machine motion and tool trajectories. If this information can be reconstructed, condition monitoring data constitutes a severe security threat, particularly for retrofitted or weakly protected sensor systems. Classical signal processing approaches are infeasible for position reconstruction from broadband accelerometer signals due to sensor- and process-specific non-idealities, like noise or sensor placement effects. In this work, we demonstrate that sequence-to-sequence machine learning models can overcome these non-idealities and enable reconstruction of CNC axis and tool positions. Our approach employs LSTM-based sequence-to-sequence models and is evaluated on an industrial milling dataset. We show that learning-based models reduce the reconstruction error by up to 98% for low complexity motion profiles and by up to 85% for complex machining sequences compared to double integration. Furthermore, key geometric characteristics of tool trajectories and workpiece-related motion features are preserved. To the best of our knowledge, this is the first study demonstrating learning-based CNC position reconstruction from industrial condition monitoring accelerometer data.
• Abstract（参考訳）: 加速度計に基づくプロセス監視は、現代の加工システムに広く展開されている。 動く機械部品に装着すると、そのようなセンサーは機械の動きや道具の軌跡に関連する運動情報を暗黙的にキャプチャする。 この情報が再構築可能であれば、特に修正済みまたは弱い保護されたセンサーシステムにおいて、条件監視データは深刻なセキュリティ上の脅威となる。 古典的な信号処理アプローチは、ノイズやセンサー配置効果など、センサやプロセス固有の非イデオロギーによるブロードバンド加速度センサ信号の位置再構成には有効ではない。 本研究では、シーケンス・ツー・シーケンスの機械学習モデルがこれらの非理想性を克服し、CNC軸とツール位置の再構築を可能にすることを実証する。 本手法はLSTMに基づくシーケンス・ツー・シーケンスモデルを用いて,産業用ミリングデータセットを用いて評価する。 学習ベースモデルでは,低複雑性動作プロファイルでは最大98%,複雑加工シーケンスでは最大85%の再構成誤差が2倍に減少することを示した。 さらに, 工具軌道の鍵となる幾何学的特徴と工作物関連運動特性を保存した。 我々の知る限りでは、産業状況監視加速度計データから学習に基づくCNC位置再構成を実証する最初の研究である。

関連論文リスト

• LSA: Localized Semantic Alignment for Enhancing Temporal Consistency in Traffic Video Generation [44.62533878314138]
  ローカライズドセマンティックアライメント(Localized Semantic Alignment、LSA)は、トレーニング済みのビデオ生成モデルを微調整するためのフレームワークである。 LSAは、接地木と生成されたビデオクリップ間の意味的特徴を整列することで、時間的一貫性を高める。 nuScenesとKITTIデータセットの実験は、我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2026-02-05T18:21:02Z)
• CRoSS: A Continual Robotic Simulation Suite for Scalable Reinforcement Learning with High Task Diversity and Realistic Physics Simulation [46.950823663585425]
  継続的な強化学習では、エージェントは以前取得したポリシーを忘れずに一連のタスクから学ぶ必要がある。 本稿では,ガゼボシミュレータで現実的にシミュレーションされたロボットをベースとしたCRLのための新しいベンチマークスイートを提案する。
  論文  参考訳（メタデータ） (2026-02-04T18:54:26Z)
• Registration-Free Monitoring of Unstructured Point Cloud Data via Intrinsic Geometrical Properties [0.4651750987298772]
  複雑な形状のPCDをモニタリングするための新規な登録不要手法を提案する。 提案手法は,2つの特徴学習手法と共通監視方式から構成される。
  論文  参考訳（メタデータ） (2025-11-06T23:13:03Z)
• TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
  本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。 TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。 TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T16:20:23Z)
• In-Process Monitoring of Gear Power Honing Using Vibration Signal Analysis and Machine Learning [0.0]
  本研究では、ギヤパワーホニングのプロセス内監視のための新しいデータ駆動型フレームワークを提案する。 提案手法は加速度計による連続的なデータ取得と時間周波数信号解析を含む。 提案手法は工業環境で高い分類精度(最大100%)を達成する。
  論文  参考訳（メタデータ） (2025-09-24T08:32:28Z)
• ViSTR-GP: Online Cyberattack Detection via Vision-to-State Tensor Regression and Gaussian Processes in Automated Robotic Operations [5.95097350945477]
  接続された工場と自動化された工場は、サイバーセキュリティのリスクが増大し、物理的運用に中断や損害をもたらす可能性がある。 データ統合攻撃は、攻撃者が運用データにアクセスし操作できるような高度な脆弱性を悪用することが多い。 本稿では、コントローラの権限外の頭上カメラからの視覚に基づく推定値に対して、エンコーダが報告した計測値を相互にチェックするオンライン検出フレームワークViSTR-GPを開発する。
  論文  参考訳（メタデータ） (2025-09-13T19:10:35Z)
• Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach [1.6574413179773764]
  本研究では,ツール摩耗予測のためのデータ駆動手法,特にディープラーニングについて検討する。 2つのプロセスで検証された最小限のトレーニングデータを用いて予測モデルの伝達可能性について検討した。 ConvNeXtモデルには例外的な性能があり、ツールの摩耗を識別する精度は99.1%である。
  論文  参考訳（メタデータ） (2024-12-27T23:10:32Z)
• Scale-MIA: A Scalable Model Inversion Attack against Secure Federated Learning via Latent Space Reconstruction [25.668769232903117]
  フェデレーション学習は、参加者のデータプライバシを保護する能力で知られている。 最近出現したモデルインバージョン攻撃 (MIA) は、悪意のあるパラメータサーバが、モデルの更新から個々のユーザーのローカルデータサンプルを再構築できることを示した。 集約されたモデル更新から局所的なトレーニングサンプルを効率的かつ正確に再構築できる新しいMIAであるScale-MIAを提案する。
  論文  参考訳（メタデータ） (2023-11-10T00:53:22Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Autoencoder-based Condition Monitoring and Anomaly Detection Method for Rotating Machines [0.19116784879310028]
  自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。 提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。 2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
  論文  参考訳（メタデータ） (2021-01-27T16:49:49Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)
• Multilinear Compressive Learning with Prior Knowledge [106.12874293597754]
  マルチリニア圧縮学習(MCL)フレームワークは、マルチリニア圧縮センシングと機械学習をエンドツーエンドシステムに統合する。 MCLの背後にある主要なアイデアは、下流学習タスクの信号から重要な特徴を捉えることのできるテンソル部分空間の存在を仮定することである。 本稿では、上記の要件、すなわち、関心の信号が分離可能なテンソル部分空間をどうやって見つけるかという、2つの要件に対処する新しい解決策を提案する。
  論文  参考訳（メタデータ） (2020-02-17T19:06:05Z)

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。