論文の概要: A Tsetlin Machine-driven Intrusion Detection System for Next-Generation IoMT Security

• arxiv url: http://arxiv.org/abs/2604.03205v1
• Date: Fri, 03 Apr 2026 17:26:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.555959
• Title: A Tsetlin Machine-driven Intrusion Detection System for Next-Generation IoMT Security
• Title（参考訳）: 次世代IoMTセキュリティのためのTsetlinマシン駆動侵入検知システム
• Authors: Rahul Jaiswal, Per-Arne Andersen, Linga Reddy Cenkeramaddi, Lei Jiao, Ole-Christoffer Granmo,
• Abstract要約: 本稿では,IoMTネットワークをターゲットとしたサイバー攻撃を検出するための新しいTsetlin Machine (TM)ベースの侵入検知システムを提案する。 TMはルールベースで解釈可能な機械学習(ML)アプローチで、命題論理を使ってパターンをモデル化する。 提案モデルでは,2進分類で99.5%,多進分類で90.7%の精度を達成し,既存の最先端手法を上回りつつある。
• 参考スコア（独自算出の注目度）: 13.996271196616364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid adoption of the Internet of Medical Things (IoMT) is transforming healthcare by enabling seamless connectivity among medical devices, systems, and services. However, it also introduces serious cybersecurity and patient safety concerns as attackers increasingly exploit new methods and emerging vulnerabilities to infiltrate IoMT networks. This paper proposes a novel Tsetlin Machine (TM)-based Intrusion Detection System (IDS) for detecting a wide range of cyberattacks targeting IoMT networks. The TM is a rule-based and interpretable machine learning (ML) approach that models attack patterns using propositional logic. Extensive experiments conducted on the CICIoMT-2024 dataset, which includes multiple IoMT protocols and cyberattack types, demonstrate that the proposed TM-based IDS outperforms traditional ML classifiers. The proposed model achieves an accuracy of 99.5\% in binary classification and 90.7\% in multi-class classification, surpassing existing state-of-the-art approaches. Moreover, to enhance model trust and interpretability, the proposed TM-based model presents class-wise vote scores and clause activation heatmaps, providing clear insights into the most influential clauses and the dominant class contributing to the final model decision.
• Abstract（参考訳）: インターネット・オブ・メディカル・モノ(IoMT)の急速な普及は医療機器、システム、サービス間のシームレスな接続を可能にして医療を変革している。 しかし、攻撃者が新たな方法や新たな脆弱性を利用してIoMTネットワークに侵入するにつれ、深刻なサイバーセキュリティと患者の安全に関する懸念ももたらされる。 本稿では, IoMTネットワークをターゲットとした広範囲なサイバー攻撃を検出するための, Tsetlin Machine (TM) ベースの侵入検知システムを提案する。 TMはルールベースで解釈可能な機械学習(ML)アプローチであり、命題論理を用いてパターンをモデル化する。 CICIoMT-2024データセットで実施された大規模な実験は、複数のIoMTプロトコルとサイバー攻撃タイプを含み、提案されたTMベースのIDSが従来のML分類器より優れていることを示した。 提案モデルでは,2進分類で99.5\%,多進分類で90.7\%の精度を達成し,既存の最先端手法を超越した。 さらに,モデル信頼度と解釈可能性を高めるため,提案したTMモデルでは,クラスワイド投票スコアと節活性化ヒートマップを提示し,最も影響力のある節と最終モデル決定に寄与する支配的なクラスに対する明確な洞察を提供する。

関連論文リスト

• Online Continual Learning for Anomaly Detection in IoT under Data Distribution Shifts [33.554121482192635]
  我々は,モノのインターネット(IoT)異常検出(AD)のための連続学習(CL)を備えた新しい通信フレームワークOCLADSを提案する。 OCLADSは、デバイス上のIoT ADモデルをタイムリーに更新するために、データの分散シフトを追跡している。 提案手法は,ベースライン方式に比べてモデル更新回数が大幅に少なく,高い推論精度を実現する。
  論文  参考訳（メタデータ） (2026-03-08T07:24:37Z)
• 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)
• Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning [39.58317527488534]
  本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。 悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。 IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
  論文  参考訳（メタデータ） (2025-07-01T07:38:22Z)
• Vision Transformer with Adversarial Indicator Token against Adversarial Attacks in Radio Signal Classifications [33.246218531386326]
  本稿では,新たな視覚変換器(ViT)アーキテクチャを提案する。 提案したAdvIトークンは,ViT内の重要な要素として機能し,注意重みに影響を及ぼし,不審または異常な可能性のある入力データ内の領域や特徴を強調する。
  論文  参考訳（メタデータ） (2025-06-13T15:21:54Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• Securing Healthcare with Deep Learning: A CNN-Based Model for medical IoT Threat Detection [0.44998333629984877]
  インターネット・オブ・メディカル・モノ(IoMT)の医療システムへの統合は、患者のケアを大幅に強化した。 本稿では、IoMT環境におけるサイバー攻撃を検出するために、畳み込みニューラルネットワーク(CNN)に基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-26T14:27:17Z)
• Lightweight CNN-BiLSTM based Intrusion Detection Systems for Resource-Constrained IoT Devices [38.16309790239142]
  侵入検知システム(IDS)は、従来のコンピュータシステムにおけるサイバー攻撃の検出と防止に重要な役割を果たしてきた。 Internet of Things(IoT)デバイスで利用可能な限られた計算リソースは、従来のコンピューティングベースのIDSのデプロイを困難にしている。 軽量CNNと双方向LSTM(BiLSTM)を組み合わせたハイブリッドCNNアーキテクチャを提案し,UNSW-NB15データセット上でのIDSの性能向上を図る。
  論文  参考訳（メタデータ） (2024-06-04T20:36:21Z)
• Malware Detection in IOT Systems Using Machine Learning Techniques [0.0]
  本研究では、IoTマルウェア識別のためのCNN-LSTMハイブリッドモデルを導入し、その性能を確立された手法に対して評価する。 提案手法は95.5%の精度で既存の手法を上回りました。
  論文  参考訳（メタデータ） (2023-12-29T17:02:54Z)

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。