論文の概要: Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization

• arxiv url: http://arxiv.org/abs/2605.22749v1
• Date: Thu, 21 May 2026 17:18:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.370368
• Title: Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization
• Title（参考訳）: 機械学習とメタヒューリスティック特徴最適化を用いたIoT対応スマートグリッドにおけるサイバー物理異常検出
• Authors: Adis Alihodžić, Eva Tuba, Milan Tuba,
• Abstract要約: 本章は、よく知られたMSU/ORNLパワーシステムアタックデータセットを用いて、この問題を調査する。 提案手法は,機械学習と遺伝的アルゴリズムに基づく特徴選択を組み合わせたものである。 ファサーベース機能のコンパクトなサブセットは、スマートグリッドにおける正確かつ解釈可能な異常検出を提供することができる。
• 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: Modern smart grids rely on dense measurement infrastructures, communication links, and intelligent field devices. Although this improves supervision and control, it also increases vulnerability to cyber-physical disruptions. Operators must distinguish physical incidents, such as faults or line disturbances, from malicious actions, such as false data injection or unauthorized command execution. This chapter investigates this problem using the well-known MSU/ORNL Power System Attack Dataset. The proposed method combines machine learning with genetic-algorithm-based feature selection. The objective is twofold: to classify attack and natural events accurately, and to determine whether a reduced set of physically informative PMU/IED measurements can support reliable detection. Several baseline models are evaluated, including logistic regression, RBF-SVM, XGBoost, Random Forest, and Extra Trees. The results show that tree-based ensemble models are the most effective for the considered dataset, with Extra Trees providing the strongest full-feature baseline. After feature selection, the GA + Extra Trees model reduces the clean PMU feature space from 112 attributes to an average of 27.4 attributes over five runs, while increasing macro-F1 from 0.9118 to 0.9212 and ROC-AUC from 0.9791 to 0.9837. These results indicate that many synchronized electrical measurements are redundant. A compact subset of phasor-based features can still provide accurate and interpretable anomaly detection in smart grids.
• Abstract（参考訳）: 現代のスマートグリッドは、密度の高い測定インフラ、通信リンク、インテリジェントフィールドデバイスに依存している。 これにより、監視と制御が改善されるが、サイバー物理的破壊に対する脆弱性も増大する。 オペレータは、障害やライン障害などの物理的なインシデントと、偽データインジェクションや不正なコマンド実行といった悪意のあるアクションを区別しなければならない。 本章は、よく知られたMSU/ORNL電力系統攻撃データセットを用いてこの問題を調査する。 提案手法は,機械学習と遺伝的アルゴリズムに基づく特徴選択を組み合わせたものである。 目的は、攻撃と自然事象を正確に分類し、物理的に情報を伝達するPMU/IED測定の少ないセットが信頼性の高い検出を支援するかどうかを判断することである。 ロジスティック回帰、RBF-SVM、XGBoost、ランダムフォレスト、エクストラツリーなど、いくつかのベースラインモデルが評価されている。 その結果,木をベースとしたアンサンブルモデルが最も有効であることが示唆された。 特徴選択後、GA+Extra TreesモデルはクリーンなPMU特徴空間を112の属性から5回の実行で平均27.4の属性に減らし、マクロF1を0.9118から0.9212に、ROC-AUCを0.9791から0.9837に増やした。 これらの結果は、多くの同期電気測定が冗長であることを示している。 ファサーベース機能のコンパクトなサブセットは、スマートグリッドにおける正確かつ解釈可能な異常検出を提供することができる。

関連論文リスト

• Machine Learning Epidemic Predictions Using Agent-based Wireless Sensor Network Models [0.0]
  無線センサネットワーク(WSN)における疫学データの欠如は、ウイルスやワームなどの脅威を予測・緩和する堅牢なモデルを構築する上で、根本的な困難である。 本研究では, 機械学習(ML)予測において, サセプティブル・エクスポージブル・リカバード・ワクチン(SEIRV)数学的モデルのエージェントベース実装を行った。
  論文  参考訳（メタデータ） (2025-11-20T02:28:44Z)
• Large-Scale Targeted Cause Discovery via Learning from Simulated Data [66.51307552703685]
  本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。 我々は、シミュレートされたデータに基づいて教師あり学習を用いてニューラルネットワークを訓練し、因果関係を推定する。 大規模遺伝子制御ネットワークにおける因果関係の同定に優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2024-08-29T02:21:11Z)
• Multitask Active Learning for Graph Anomaly Detection [48.690169078479116]
  MultItask acTIve Graph Anomaly Detection framework,すなわちMITIGATEを提案する。 ノード分類タスクを結合することにより、MITIGATEは既知の異常を伴わずに配布外ノードを検出する能力を得る。 4つのデータセットに関する実証的研究は、MITIGATEが異常検出のための最先端の手法を著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2024-01-24T03:43:45Z)
• Identifying Performance Issues in Cloud Service Systems Based on Relational-Temporal Features [11.83269525626691]
  クラウドシステムはパフォーマンスの問題の影響を受けやすいため、サービスレベルの合意違反や財政的損失を引き起こす可能性がある。 本稿では,メトリクスの相対的特徴と時間的特徴を併用した学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-07-20T13:41:26Z)
• Deep Neural Networks based Meta-Learning for Network Intrusion Detection [0.24466725954625884]
  産業の異なるコンポーネントのデジタル化と先住民ネットワーク間の相互接続性は、ネットワーク攻撃のリスクを高めている。 コンピュータネットワークの予測モデルを構築するために使用されるデータには、スキュークラス分布と攻撃型の限定表現がある。 Information Fusion and Stacking Ensemble (INFUSE) という,ネットワーク侵入検出のための新しいディープニューラルネットワークベースのメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:00:05Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Hybrid AI-based Anomaly Detection Model using Phasor Measurement Unit Data [0.41998444721319217]
  ファサー計測装置(PMU)を用いて電力システムを監視することは、将来有望な技術の一つである。 サイバー物理的相互作用の増加は、利点と欠点の両方をもたらし、そこでは、測定データの異常の形で欠点の1つが生まれる。 本稿では,PMUデータにおける異常検出の様々な手法に基づくハイブリッドAIベースモデルを開発することを目的とする。
  論文  参考訳（メタデータ） (2022-09-21T11:22:01Z)
• Survival Prediction of Children Undergoing Hematopoietic Stem Cell Transplantation Using Different Machine Learning Classifiers by Performing Chi-squared Test and Hyper-parameter Optimization: A Retrospective Analysis [4.067706269490143]
  効率的な生存率分類モデルが包括的に提示される。 欠落した値を入力し、ダミー変数符号化を用いてデータを変換し、チ二乗特徴選択を用いて59個の特徴から11個の最も相関した特徴にデータセットを圧縮することにより、合成データセットを生成する。 この点に関しては、決定木(Decision Tree)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、K-Nearest Neighbors(K-Nearest Neighbors)、グラディエントブースティング(Gradient Boosting)、Ada Boost(Ada Boost)、XG Boost(XG Boost)など、いくつかの教師付きML手法が訓練された。
  論文  参考訳（メタデータ） (2022-01-22T08:01:22Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。