論文の概要: Assessing Cyber Risks in Hydropower Systems Through HAZOP and Bow-Tie Analysis

• arxiv url: http://arxiv.org/abs/2604.03994v1
• Date: Sun, 05 Apr 2026 06:31:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.866632
• Title: Assessing Cyber Risks in Hydropower Systems Through HAZOP and Bow-Tie Analysis
• Title（参考訳）: HAZOPとボウタイ分析による水力発電システムのサイバーリスク評価
• Authors: Kwabena Opoku Frempong-Kore, Rishikesh Sahay, Md Rasel Al Mamun, Bell Eapen,
• Abstract要約: 本稿では,水力発電システムにおけるサイバーによる脅威を特定するためのリスク評価手法を2つ評価し,比較する。 サイバー・セーフティ・リスク・アセスメントの相補的な視点を提供するため,これら2つの手法を選択した。 本研究は,水力制御システムにおけるサイバーセキュリティの課題を特定するために,確立された安全手法を適応するための2段階の実践的アプローチを明らかにするものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the widespread use of software systems in critical infrastructures such as hydropower plants has brought many advantages, yet it has exposed these systems to cyber threats. Cyber risk assessment & mitigation is important to identify cyber threats and protect these systems from unwanted incidents. This paper evaluates and compares the two risk assessment methodologies namely Hazard and Operability Study (HAZOP) and BowTie analysis for identifying cyber induced threats in hydropower systems. We selected these two methodologies because they offer a complementary perspective for cyber-safety risk assessment. Each method is first applied in traditional form to identify hazards, barriers, and threat scenarios arising from accidental causes, then extended to examine how findings change under cyber-induced causation. The traditional HAZOP identifies 18 deviations across five control parameters; the cyber extension shows how an adversary can coordinate multiple deviations to produce outcomes that conventional safeguards cannot detect. The BowTie analysis maps preventive and mitigation barriers around a top event; the cyber extension reveals that barriers appearing independently can share network infrastructure a single attacker could compromise, challenging the defense-in-depth assumption. Together, the two methods provide complementary coverage: HAZOP systematically enumerates what can go wrong, while BowTie shows how barriers provide layered protection. The cyber extension applied to both exposes assumptions, independent causes in HAZOP and independent barriers in BowTie, that do not hold against a coordinated adversary. As a result of this study, this paper highlights a practical two-stage approach to adapt established safety methods to identify cybersecurity challenges in hydropower control systems, provides pros and cons of these methodologies, and shows area of applicability.
• Abstract（参考訳）: 水力発電所などの重要なインフラでソフトウェアシステムが広く使用されていることで、多くの利点がもたらされたが、これらのシステムはサイバー脅威にさらされている。 サイバーリスク評価と緩和は、サイバー脅威を特定し、望ましくないインシデントからシステムを保護するために重要である。 本稿では,ハザード・アンド・オペラビリティ・スタディ (Hazard and Operability Study, HaZOP) とボウティ分析 (BoboTie analysis) の2つのリスクアセスメント手法を評価し,比較する。 サイバー・セーフティ・リスク・アセスメントの相補的な視点を提供するため,これら2つの手法を選択した。 それぞれの方法は、事故の原因から生じる危険、障壁、脅威のシナリオを特定するために、まず伝統的な形で適用され、その後、サイバーによる因果関係の下での発見がどのように変化するかを調べるために拡張された。 従来のHAZOPは5つの制御パラメータにまたがる18の偏差を識別する。サイバー拡張は、敵が複数の偏差を調整して、従来のセーフガードが検出できない結果を生成する方法を示している。 BowTie分析は、トップイベントの周囲の予防と緩和の障壁をマッピングする。サイバー拡張は、独立して現れる障壁が、単一の攻撃者が妥協する可能性のあるネットワークインフラストラクチャを共有することができることを明らかにし、防御の深い仮定に異議を唱える。 HAZOPはシステマティックに障害を列挙し、BowTieはバリアが階層化された保護を提供する方法を示している。 サイバー拡張は、HAZOPの仮定、HAZOPの独立原因、およびBowTieの独立障壁の両方に適用される。 本研究は,水力制御システムにおけるサイバーセキュリティの課題を特定し,これらの手法の長所と短所を提供し,適用範囲を示すために,確立された安全手法を適応するための実践的な2段階的アプローチを強調した。

関連論文リスト

• Network Security under Heterogeneous Cyber-Risk Profiles and Contagion [0.0]
  本稿では,ネットワーク型デジタルシステムのためのサイバーリスク管理フレームワークを提案する。 ネットワーク全体のサイバーセキュリティリソースを最適に割り当てるという問題に対処する。 本稿では,感染経路に基づくリスク対策を提案し,伝播動態が最適な防衛戦略にどう影響するか分析する。
  論文  参考訳（メタデータ） (2026-01-23T14:56:24Z)
• AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
  このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。 我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。 我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
  論文  参考訳（メタデータ） (2025-11-27T16:56:04Z)
• 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)
• Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
  サイバー物理パワーシステムの複雑さは 攻撃面を大きくし 悪質なアクターに悪用される 我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
  論文  参考訳（メタデータ） (2025-06-14T12:07:44Z)
• Modeling Interdependent Cybersecurity Threats Using Bayesian Networks: A Case Study on In-Vehicle Infotainment Systems [0.0]
  本稿では,サイバーセキュリティリスクモデリングにおけるベイズネットワーク(BN)の適用について概説する。 In-Vehicle Infotainment (IVI)システムのためのSTRIDEベースの攻撃木をBNに変換するケーススタディを示す。
  論文  参考訳（メタデータ） (2025-05-14T01:04:45Z)
• Breaking the Flow and the Bank: Stealthy Cyberattacks on Water Network Hydraulics [3.360922672565235]
  Stealthy False Data Injection Attacks (SFDIA)は、検出を回避しながらシステム操作を妥協する。 本稿では,水分散ネットワーク(WDN)に対するセンサ攻撃の系統的解析について述べる。 本稿では,身体的および検出的制約を満たす調整戦略から,簡易な計測操作まで,いくつかの攻撃形式を提案する。
  論文  参考訳（メタデータ） (2025-04-24T02:54:20Z)
• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• Comprehensive Survey on Adversarial Examples in Cybersecurity: Impacts, Challenges, and Mitigation Strategies [4.606106768645647]
  広告敵例(AE)は、ディープラーニングベースのシステムの堅牢性と信頼性に重要な課題を提起する。 本稿では,主要なサイバーセキュリティアプリケーションに対するAE攻撃の影響を概観する。 我々は,近年の防御機構の進歩を探求し,グラデーションマスキング,対人訓練,検出技術について検討した。
  論文  参考訳（メタデータ） (2024-12-16T01:54:07Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)

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。