論文の概要: IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems

• arxiv url: http://arxiv.org/abs/2606.01691v1
• Date: Mon, 01 Jun 2026 04:55:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.375885
• Title: IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems
• Title（参考訳）: IstGPT:産業システムにおける空間時間グラフのLLMによる異常検出
• Authors: Yuchen Zhang, Ning Xi, Pengbin Feng, Shigang Liu, Jianfeng Ma, Yulong Shen, Yanan Sun, Xiaolin Zhou,
• Abstract要約: LLMとグラフ学習に基づく最初の異常検出ツールであるIstGPTを提案する。 IstGPTは、産業用サイバー物理システムにおける空間的時間的依存関係のきめ細やかなモデリングを実現する。 IstGPTを9つのデータセット上で12の最先端ベースラインに対して評価した。
• 参考スコア（独自算出の注目度）: 24.64325751427303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial Internet systems face increasing threats from sophisticated industrial control system (ICS) attacks, resulting in critical safety incidents. However, existing tools exhibit limited effectiveness in real-time anomaly detection due to the complex dependencies among sensors and actuators. To tackle this, we present IstGPT, the first industrial anomaly detection tool based on LLMs and graph learning to provide real-time protection against a wide range of ICS attacks. IstGPT achieves fine-grained and precise modeling on spatial-temporal dependencies in industrial cyber-physical systems. It first leverages industrial multi-modal knowledge, including operational data, technical documents, and system diagrams, to extract sensor-actuator dependency graphs via multi-stage prompt engineering. Then, LLM-Optimation iteratively refines the graph based on node accuracy, edge consistency, and logical coherence. Finally, IstGPT integrated improved graph neural networks with an encoder-decoder architecture to detect anomalies via reconstruction errors. We evaluate IstGPT against 12 state-of-the-art baselines on 9 datasets, including 2 public, 6 simulated, and a real-world robotic arm dataset. IstGPT achieves the best F1-scores and eTaF1 (a newer time-aware metric) across nine datasets. We further discuss the feasibility of deploying IstGPT in real-world industrial scenarios.
• Abstract（参考訳）: 産業用インターネットシステムは、高度な産業用制御システム(ICS)による攻撃による脅威が増加し、重大な安全事故が発生する。 しかし, センサやアクチュエータ間の複雑な依存関係により, リアルタイム異常検出において, 有効性は限られている。 IstGPTは,LSMとグラフ学習をベースとした最初の産業用異常検出ツールであり,広範囲なICS攻撃に対するリアルタイム保護を提供する。 IstGPTは、産業用サイバー物理システムにおける空間的時間的依存関係のきめ細やかなモデリングを実現する。 まず、運用データ、技術文書、システム図などの産業用マルチモーダル知識を活用して、マルチステージプロンプトエンジニアリングを通じてセンサー・アクチュエータ依存グラフを抽出する。 次に、LLM-Optimationは、ノード精度、エッジ一貫性、論理コヒーレンスに基づくグラフを反復的に洗練する。 最後に、IstGPTは改良されたグラフニューラルネットワークとエンコーダデコーダアーキテクチャを統合して、再構成エラーによる異常を検出する。 IstGPTを2つのパブリック、6つのシミュレート、現実世界のロボットアームデータセットを含む9つのデータセット上の12の最先端ベースラインに対して評価した。 IstGPTは9つのデータセットで最高のF1スコアとeTaF1(新しいタイムアウェアメトリック)を達成する。 さらに、実世界の産業シナリオにおけるIstGPTの展開の可能性についても論じる。

関連論文リスト

• ASTRO: Adaptive Spatio-Temporal Reinforcement Optimization for GNN Powered Anomly Detection in Cyber Physical Systems [0.0]
  本稿では,新しい異常検出フレームワークASTRO(Adaptive Spatio-Temporal Reinforcement Optimization ASTRO)を紹介する。 深層Q-Network(DQN)とグラフニューラルネットワーク(GNN)、時間的モデリング、マルチヘッドアテンション機構を統合することで、ASTROはその決定境界を継続的に適用し、検出精度を向上させる。 ASTROのアプローチは、SWaT(Secure Water Treatment)とWADI(Water Distribution)という2つの実世界の産業ベンチマークで評価されている。
  論文  参考訳（メタデータ） (2026-05-24T15:30:14Z)
• Towards Securing IIoT: An Innovative Privacy-Preserving Anomaly Detector Based on Federated Learning [13.0216256013144]
  本研究では,新しいフェデレートラーニング(FL)フレームワークに基づく異常検出システムを提案する。 サイバー攻撃などの異常を検出し、データをローカルに処理することで産業データプライバシを保護し、生データを共有せずに産業エージェントに対して異常検出モデルを訓練する。 提案手法は, 精度, 精度, F1スコア, 通信コスト, 収束速度, 公正度率の観点から, ベースラインアプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2026-04-07T17:14:10Z)
• Towards Intelligent Energy Security: A Unified Spatio-Temporal and Graph Learning Framework for Scalable Electricity Theft Detection in Smart Grids [0.0]
  本研究では、電気盗難検知とインテリジェントエネルギーモニタリングのための統合人工知能フレームワークであるSmartGuard Energy Intelligence System (SGEIS)を紹介する。 提案システムは,教師付き機械学習,深層学習に基づく時系列モデリング,非侵入負荷モニタリング(NILM)とグラフベース学習を組み合わせて,時間的および空間的消費パターンを抽出する。
  論文  参考訳（メタデータ） (2026-04-03T09:57:37Z)
• Single-Edge Node Injection Threats to GNN-Based Security Monitoring in Industrial Graph Systems [2.405577583760006]
  グラフニューラルネットワーク(GNN)は、産業用グラフベースの監視システムにますます採用されている。 少数のエッジデバイスを侵害する敵は、下流の判断をバイアスするために偽造ノードを注入する可能性がある。 本稿では,制約リソース下での配置指向ノード注入攻撃を定式化し,EmphSingle-Edge Graph Injection Attack (SEGIA)を提案する。
  論文  参考訳（メタデータ） (2026-02-01T09:19:54Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Few-shot Detection of Anomalies in Industrial Cyber-Physical System via Prototypical Network and Contrastive Learning [5.9990208840809345]
  本稿では,プロトタイプネットワークとコントラスト学習に基づく数ショットの異常検出モデルを提案する。 本モデルでは,異常信号を特定するために,F1スコアを大幅に改善し,誤警報率(FAR)を低減できることを示す。
  論文  参考訳（メタデータ） (2023-02-21T11:09:36Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)

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。