論文の概要: Downsides of Smartness Across Edge-Cloud Continuum in Modern Industry
- arxiv url: http://arxiv.org/abs/2603.29289v1
- Date: Tue, 31 Mar 2026 05:46:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.17811
- Title: Downsides of Smartness Across Edge-Cloud Continuum in Modern Industry
- Title（参考訳）: 現代産業におけるエッジクラウド連続体におけるスマートさの欠点
- Authors: Akhil Gupta Chigullapally, Sharvan Vittala, Razin Farhan Hussian, Mohsen Amini Salehi,
- Abstract要約: 本研究の目的は、特にセキュリティへの影響に焦点を当てた、産業的知性による潜在的な影響を明らかにすることである。
従来のAIソリューションと生成AIの両方から生じるソフトウェアレベルの欠点と、インフラストラクチャ層に由来するものとを区別します。
- 参考スコア（独自算出の注目度）: 1.189955933770711
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fast pace of modern AI is rapidly transforming traditional industrial systems into vast, intelligent and potentially unmanned autonomous operational environments driven by AI-based solutions. These solutions leverage various forms of machine learning, reinforcement learning, and generative AI. The introduction of such smart capabilities has pushed the envelope in multiple industrial domains, enabling predictive maintenance, optimized performance, and streamlined workflows. These solutions are often deployed across the Industrial Internet of Things (IIoT) and supported by the Edge-Fog-Cloud computing continuum to enable urgent (i.e., real-time or near real-time) decision-making. Despite the current trend of aggressively adopting these smart industrial solutions to increase profit, quality, and efficiency, large-scale integration and deployment also bring serious hazards that if ignored can undermine the benefits of smart industries. These hazards include unforeseen interoperability side-effects and heightened vulnerability to cyber threats, particularly in environments operating with a plethora of heterogeneous IIoT systems. The goal of this study is to shed light on the potential consequences of industrial smartness, with a particular focus on security implications, including vulnerabilities, side effects, and cyber threats. We distinguish software-level downsides stemming from both traditional AI solutions and generative AI from those originating in the infrastructure layer, namely IIoT and the Edge-Cloud continuum. At each level, we investigate potential vulnerabilities, cyber threats, and unintended side effects. As industries continue to become smarter, understanding and addressing these downsides will be crucial to ensure secure and sustainable development of smart industrial systems.
- Abstract（参考訳）: 現代のAIの急速なペースは、従来の産業システムをAIベースのソリューションによって駆動される、巨大でインテリジェントで、潜在的に無人な自律運用環境へと急速に変えつつある。
これらのソリューションは、機械学習、強化学習、および生成AIのさまざまな形態を活用する。
このようなスマート機能の導入により、複数の産業領域に封筒が押し上げられ、予測メンテナンス、最適化されたパフォーマンス、合理化されたワークフローが実現された。
これらのソリューションは、しばしばIndustrial Internet of Things (IIoT)にデプロイされ、Edge-Fog-Cloudコンピューティング連続体によってサポートされ、緊急(リアルタイムまたはほぼリアルタイム)な意思決定を可能にする。
利益、品質、効率を高めるためにこれらのスマート産業ソリューションを積極的に採用する現在の傾向にもかかわらず、大規模な統合と展開は、無視されるとスマート産業の利益を損なう深刻な危険をもたらす。
これらのハザードには、予期せぬ相互運用性の副作用とサイバー脅威に対する脆弱性、特に多種多様なIIoTシステムで動作する環境での脆弱性が含まれる。
本研究の目的は、特に脆弱性、副作用、サイバー脅威など、セキュリティへの影響に焦点を当てた、産業的知性による潜在的な影響を明らかにすることである。
我々は、従来のAIソリューションと生成AIの両方から生じるソフトウェアレベルの欠点と、インフラストラクチャ層、すなわちIIoTとEdge-Cloud連続体に由来するものとを区別する。
各レベルにおいて、潜在的な脆弱性、サイバー脅威、意図しない副作用を調査します。
産業がより賢くなっていくにつれて、これらの欠点を理解し、対処することが、スマート産業システムの安全かつ持続可能な開発を確実にする上で重要である。
関連論文リスト
- Surveying the Operational Cybersecurity and Supply Chain Threat Landscape when Developing and Deploying AI Systems [0.08594140167290097]
本稿では,AIをソフトウェアシステムに組み込む際に導入された,新たなサイバー脅威に対する認識を高める。
AIライフサイクルにおける運用上のサイバーセキュリティとサプライチェーンのリスクについて検討する。
これらのリスクを理解することによって、組織はAIシステムをよりよく保護し、信頼性とレジリエンスを確保することができる。
論文 参考訳（メタデータ） (2025-08-27T22:46:23Z) - Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。
本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
論文 参考訳（メタデータ） (2025-01-09T03:59:10Z) - Position: Mind the Gap-the Growing Disconnect Between Established Vulnerability Disclosure and AI Security [56.219994752894294]
我々は、AIセキュリティレポートに既存のプロセスを適用することは、AIシステムの特徴的な特徴に対する根本的な欠点のために失敗する運命にあると主張している。
これらの欠点に対処する私たちの提案に基づき、AIセキュリティレポートへのアプローチと、新たなAIパラダイムであるAIエージェントが、AIセキュリティインシデント報告の進展をさらに強化する方法について論じる。
論文 参考訳（メタデータ） (2024-12-19T13:50:26Z) - Considerations Influencing Offense-Defense Dynamics From Artificial Intelligence [0.0]
AIは防御能力を向上するだけでなく、悪意ある搾取と大規模な社会的危害のための道も提示する。
本稿では、AIシステムが主に脅威を生じているか、社会に保護的利益をもたらすかに影響を及ぼす主要な要因をマップし、検証するための分類法を提案する。
論文 参考訳（メタデータ） (2024-12-05T10:05:53Z) - Artificial intelligence and cybersecurity in banking sector: opportunities and risks [0.0]
機械学習(ML)により、システムは巨大なデータセットに適応し、学習することができる。
この研究は、悪意のあるユーザーが使用できるAIツールのデュアルユース性を強調している。
この論文は、セキュリティ、信頼、レジリエンス、堅牢性といった重要な特徴を持つ機械学習モデルを開発することの重要性を強調している。
論文 参考訳（メタデータ） (2024-11-28T22:09:55Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - Green Edge AI: A Contemporary Survey [46.11332733210337]
AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。
ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。
その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
論文 参考訳（メタデータ） (2023-12-01T04:04:37Z) - Managing extreme AI risks amid rapid progress [171.05448842016125]
我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。
このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。
現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
論文 参考訳（メタデータ） (2023-10-26T17:59:06Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Artificial Intelligence-Based Smart Grid Vulnerabilities and Potential
Solutions for Fake-Normal Attacks: A Short Review [0.0]
スマートグリッドシステムは電力業界にとって重要なものだが、その高度なアーキテクチャ設計と運用によって、多くのサイバーセキュリティの脅威にさらされている。
人工知能(AI)ベースの技術は、さまざまなコンピュータ設定でサイバー攻撃を検出することで、ますます人気が高まっている。
現在のAIシステムは、GAN(Generative Adversarial Networks)のような高度な敵系が最近出現したため、公開され、消滅している。
論文 参考訳（メタデータ） (2022-02-14T21:41:36Z) - Proceedings - AI/ML for Cybersecurity: Challenges, Solutions, and Novel
Ideas at SIAM Data Mining 2021 [6.647584840410018]
悪意あるサイバー活動はユビキタスであり、その有害な影響は社会に劇的かつしばしば不可逆的な影響を及ぼす。
この分野の課題は、コンピュータビジョンのような他の領域にAIを適用することに関連する問題とは大きく異なる。
これらの課題にもかかわらず、機械学習はこの分野に適用され、検出の分野で成功を収めている。
商業部門では、ML強化機能をサービスとして提供しています。
論文 参考訳（メタデータ） (2021-04-27T17:35:31Z)
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。