論文の概要: Cyber-Resilient Digital Twins: Discriminating Attacks for Safe Critical Infrastructure Control

• arxiv url: http://arxiv.org/abs/2603.18613v1
• Date: Thu, 19 Mar 2026 08:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.033639
• Title: Cyber-Resilient Digital Twins: Discriminating Attacks for Safe Critical Infrastructure Control
• Title（参考訳）: サイバーレジリエントなデジタルツイン:安全なインフラ管理のための攻撃を識別する
• Authors: Mohammadhossein Homaei, Iman Khazrak, Rubén Molano, Andrés Caro, Mar Ávila,
• Abstract要約: i-SDTは、油圧調整された予測モデル、マルチクラス攻撃識別、適応レジリエンス制御を組み合わせた。 SWaTとWADIデータセットの評価では、検出精度が大幅に向上し、44.1%の誤報が減少し、56.3%の運用コストが削減された。
• 参考スコア（独自算出の注目度）: 0.0815557531820863
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Industrial Cyber-Physical Systems (ICPS) face growing threats from cyber-attacks that exploit sensor and control vulnerabilities. Digital Twin (DT) technology can detect anomalies via predictive modelling, but current methods cannot distinguish attack types and often rely on costly full-system shutdowns. This paper presents i-SDT (intelligent Self-Defending DT), combining hydraulically-regularized predictive modelling, multi-class attack discrimination, and adaptive resilient control. Temporal Convolutional Networks (TCNs) with differentiable conservation constraints capture nominal dynamics and improve robustness to adversarial manipulations. A recurrent residual encoder with Maximum Mean Discrepancy (MMD) separates normal operation from single- and multi-stage attacks in latent space. When attacks are confirmed, Model Predictive Control (MPC) uses uncertainty-aware DT predictions to keep operations safe without shutdown. Evaluation on SWaT and WADI datasets shows major gains in detection accuracy, 44.1% fewer false alarms, and 56.3% lower operational costs in simulation-in-the-loop evaluation. with sub-second inference latency confirming real-time feasibility on plant-level workstations, i-SDT advances autonomous cyber-physical defense while maintaining operational resilience.
• Abstract（参考訳）: ICPS(Industrial Cyber-Physical Systems)は、センサーと制御脆弱性を利用するサイバー攻撃の脅威が増大している。 デジタルツイン(DT)技術は予測モデリングによって異常を検出することができるが、現在の手法では攻撃タイプを区別できず、しばしばコストのかかるフルシステムシャットダウンに依存する。 本稿では,i-SDT (intelligent Self-Defending DT) を提案する。 保存的制約の異なる時間的畳み込みネットワーク(TCN)は、名目力学を捉え、敵の操作に対する堅牢性を向上させる。 Maximum Mean Discrepancy (MMD) を用いたリカレント残差エンコーダは、遅延空間における単一および多段攻撃から通常の動作を分離する。 攻撃が確認された場合、モデル予測制御(MPC)は不確実性を認識したDT予測を使用して、シャットダウンなしに操作を安全に保つ。 SWaTとWADIデータセットの評価は、検出精度の大きな向上、44.1%の誤報、56.3%の運用コスト低下を示している。 プラントレベルのワークステーションでリアルタイムに実現可能であることを確認するサブ秒の推論遅延により、i-SDTは、運用上のレジリエンスを維持しながら、自律的なサイバー物理防御を前進させる。

関連論文リスト

• Information-Theoretic Digital Twins for Stealthy Attack Detection in Industrial Control Systems: A Closed-Form KL Divergence Approach [0.0]
  デジタル双生児(DT)は産業制御システム(ICS)の監視・確保にますます利用されている しかし、通常の物理的境界内でシステム状態を操作するステルスな偽データ注入攻撃(FDIA)を検出することは依然として困難である。 リアルタイム異常検出のためのクローズドループ情報理論デジタルツイン(IT-DT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-02T08:56:11Z)
• Evaluating False Alarm and Missing Attacks in CAN IDS [0.7734726150561088]
  ROADデータセットを用いて,CAN IDSの体系的対角評価を行う。 4つの浅い学習モデルとディープニューラルネットワークベースの検出器を比較した。 以上の結果から,敵の操作が誤報と回避検出を同時に引き起こすことが示唆された。
  論文  参考訳（メタデータ） (2026-02-02T20:38:01Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• Controllable and Stealthy Shilling Attacks via Dispersive Latent Diffusion [47.012167601128745]
  本稿では,拡散型攻撃フレームワークであるDLDAについて述べる。 従来の攻撃に比べ,DLDAはより強力な項目の促進を実現しつつ,検出が困難であることを示す。
  論文  参考訳（メタデータ） (2025-08-04T01:54:32Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• The Dark Side of Digital Twins: Adversarial Attacks on AI-Driven Water Forecasting [0.0]
  ディジタルツイン(DT)は、リアルタイムデータ、分析、予測モデルを使用して、運用を最適化することで、配水システムを改善している。 本稿では,Long Short-Term Memory (LSTM) ネットワークを用いたスペインの給水ネットワーク用に設計されたDTプラットフォームについて述べる。 敵攻撃は重要なモデルパラメータを操り 予測精度を低下させる微妙な歪みを注入する 学習オートマタ(LA)とランダムLAベースのアプローチを導入し、動的に摂動を調整し、敵攻撃を検知しにくくする。
  論文  参考訳（メタデータ） (2025-04-28T22:34:11Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Securing Distributed Network Digital Twin Systems Against Model Poisoning Attacks [19.697853431302768]
  ディジタルツイン(DT)は、リアルタイム監視、予測、意思決定能力の向上を具現化する。 本研究では,分散ネットワークDTシステムにおけるセキュリティ上の課題について検討し,その後のネットワークアプリケーションの信頼性を損なう可能性がある。
  論文  参考訳（メタデータ） (2024-07-02T03:32:09Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)

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。