論文の概要: System-aware contextual digital twin for ICS anomaly diagnosis
- arxiv url: http://arxiv.org/abs/2604.24051v1
- Date: Mon, 27 Apr 2026 05:17:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.751354
- Title: System-aware contextual digital twin for ICS anomaly diagnosis
- Title（参考訳）: ICS異常診断のためのシステム対応コンテクストデジタルツイン
- Authors: Eungyu Woo, Yooshin Kim, Wonje Heo, Donghoon Shin,
- Abstract要約: 我々はICS異常診断のためのシステム対応無教師フレームワークを提案する。
提案フレームワークはリアルタイム検出効率を実現し,一貫した,解釈可能な異常診断を行う。
- 参考スコア（独自算出の注目度）: 6.47954540420163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial Control Systems (ICS) integrate computing, physical processes, and communication to operate critical infrastructures such as power grids, water treatment plants, and oil and gas facilities. As ICS become increasingly targeted by cyberattacks, timely and reliable anomaly diagnosis is essential for protecting operational safety. However, existing ICS anomaly detection approaches face practical limitations: supervised methods require extensive labeled attack data and suffer from class imbalance, while model-based detectors often lack the ability to provide deep insight into the root causes of anomalies, leading to elevated false alarms and making it difficult for operators to initiate a timely response. In this work, we propose a system-aware unsupervised framework for ICS anomaly diagnosis that combines lightweight online detection with contextual explanation. The system identifies deviations from observed normal behaviors without prior knowledge of system topology. To support actionable response, we further concatenate a contextual digital twin augmented with an Large Language Model (LLM) to enhance interpretability, which translates detection evidence into grounded diagnostic hypotheses and verification steps for operators. Experiments on public ICS benchmarks demonstrate that the proposed framework achieves real-time detection efficiency and provides consistent, interpretable anomaly diagnoses, enabling low-latency warning and practical deployment in complex industrial environments.
- Abstract（参考訳）: 産業制御システム(ICS)は、コンピューティング、物理プロセス、通信を統合し、電力網、水処理プラント、石油・ガス施設などの重要なインフラを運用している。
サイバー攻撃によるICSの標的化が進むにつれ、タイムリーかつ信頼性の高い異常診断は、運用上の安全性を保護する上で不可欠である。
しかし、既存のICS異常検出手法は、広範なラベル付き攻撃データを必要とし、クラス不均衡に苦しむ一方、モデルベースの検出器は、しばしば異常の根本原因について深い洞察を与える能力が欠如しており、誤報の増大と、オペレーターがタイムリーな応答を開始するのが難しくなる。
そこで本研究では,軽量なオンライン検出とコンテキスト記述を組み合わせたICS異常診断のためのシステム認識型教師なしフレームワークを提案する。
システムトポロジの事前知識なしで観察された正常な行動から逸脱を識別する。
動作可能な応答をサポートするために,Large Language Model (LLM) を付加した文脈型デジタル双対を更に結合して解釈可能性を高め,検出証拠を基礎となる診断仮説と演算子の検証手順に変換する。
パブリックICSベンチマークの実験では,提案フレームワークがリアルタイム検出効率を実現し,一貫した解釈可能な異常診断を提供し,低レイテンシ警告と複雑な産業環境への実践的展開を可能にした。
関連論文リスト
- Spatio-Temporal Attention Graph Neural Network: Explaining Causalities With Attention [0.0]
産業制御システムは重要なインフラを支え、サイバー物理的脅威の増大に直面している。
ICSにおける機械学習に基づく異常検出手法は理論性能が優れている。
ICSにおける教師なしおよび説明可能な異常検出のための時空間グラフニューラルネットワーク(STA-GNN)を提案する。
論文 参考訳（メタデータ） (2026-03-11T11:41:38Z) - HVR-Met: A Hypothesis-Verification-Replaning Agentic System for Extreme Weather Diagnosis [45.18017161777437]
HVR-Metは、専門家の知識の深い統合を特徴とする気象診断システムである。
その中心となる革新は仮説-検証-計画'の閉ループ機構である。
原子レベルのサブタスクに焦点を当てた新しいベンチマークを導入する。
論文 参考訳（メタデータ） (2026-03-01T14:13:11Z) - 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) - zkSTAR: A zero knowledge system for time series attack detection enforcing regulatory compliance in critical infrastructure networks [0.9558392439655014]
産業制御システム(ICS)は、重要なインフラネットワークの運用のバックボーンを形成する。
規制当局は、システム全体のセキュリティと信頼性を確保するために、より厳格なコンプライアンス要件を課している。
中心的な課題は、機密性の高い運用データを開示するユーティリティを必要とせずに、規制当局が検出メカニズムの有効性を検証することである。
我々は、zk-SNARKを利用してこれらの要求を調整し、証明可能な検出保証を可能にするサイバー攻撃検出フレームワークであるzkSTARを紹介する。
論文 参考訳（メタデータ） (2025-10-27T06:45:11Z) - GiBy: A Giant-Step Baby-Step Classifier For Anomaly Detection In Industrial Control Systems [1.450261153230204]
本稿では,センサ・アクチュエータの関係から生じる非線形形状の正確な線形化を含む異常検出手法を提案する。
我々は、よく知られた水処理テストベッドをユースケースとして使用することで、これを実現する。
論文 参考訳（メタデータ） (2025-04-29T16:24:11Z) - Hybrid Temporal Differential Consistency Autoencoder for Efficient and Sustainable Anomaly Detection in Cyber-Physical Systems [0.0]
重要なインフラ、特に配水システムに対するサイバー攻撃は、急速なデジタル化により増加した。
本研究では,センサデータの時間相関を利用した異常検出における重要な課題に対処する。
本稿では,決定論的ノードと従来の統計ノードの両方を組み込んでTDCを拡張するハイブリッドTDC-AEという,ハイブリッドオートエンコーダに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2025-04-08T09:22:44Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - A Hierarchical Framework with Spatio-Temporal Consistency Learning for Emergence Detection in Complex Adaptive Systems [41.055298739292695]
複雑な適応システムのグローバルな特性であるEmergenceは、例えばネットワークレベルのトラフィック混雑など、現実世界の動的システムで広く利用されている。
本稿では,システム表現とエージェント表現を学習することで,これら2つの問題を解決するために,CASの時間的一貫性を備えた階層型フレームワークを提案する。
提案手法は,3つのデータセットに対する従来の手法や深層学習法よりも,検出の難しい動作をよく知ることができる。
論文 参考訳（メタデータ） (2024-01-18T08:55:05Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Monitoring and Diagnosability of Perception Systems [21.25149064251918]
本稿では,認識システムにおける実行時モニタリングと故障検出と識別のための数学的モデルを提案する。
本稿では,LGSVL自動運転シミュレータとApollo Auto自動運転ソフトウェアスタックを用いた実写シミュレーションにおいて,PerSySと呼ばれるモニタリングシステムを実演する。
論文 参考訳（メタデータ） (2020-11-11T23:03:14Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。