論文の概要: Bridging the Smart City Cybersecurity Data Gap Through AI-Driven Synthetic Dataset Generation

• arxiv url: http://arxiv.org/abs/2606.12225v1
• Date: Wed, 10 Jun 2026 15:36:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:10:35.096138
• Title: Bridging the Smart City Cybersecurity Data Gap Through AI-Driven Synthetic Dataset Generation
• Title（参考訳）: AI駆動の合成データセット生成によるスマートシティサイバーセキュリティデータギャップのブリッジ
• Authors: Stephanie Polczynski, John D. Hastings, Varghese Vaidyan, Kyle Korman,
• Abstract要約: スマートシティは、センサー、IoTデバイス、クラウドプラットフォーム、AI駆動のサービスと意思決定を統合する、相互接続されたサイバー物理システムに依存している。 これらのシステムは、大規模な攻撃面、異種データフロー、脅威ベクトルの進化による複雑なサイバーセキュリティの課題も導入している。 本研究は、スマートシティサイバーセキュリティ研究に特化したAIベースの合成データ生成フレームワークを提案する。
• 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: Smart cities rely on interconnected cyber-physical systems that integrate sensors, IoT devices, cloud platforms, and AI-driven services and decision-making. While these systems enhance city services, they also introduce complex cybersecurity challenges due to their large attack surfaces, heterogeneous data flows, and evolving threat vectors. Developing and validating cybersecurity tools for smart cities requires high-quality datasets that accurately represent real operational conditions. However, real-world datasets are often incomplete, contain privacy-sensitive data, are difficult to access, or lack sufficient malicious activity to support tool development. This research addresses this critical gap by proposing an AI-based synthetic data generation (SDG) framework designed specifically for smart city cybersecurity research. The proposed framework leverages generative artificial intelligence models to produce high-fidelity synthetic cybersecurity datasets that replicate realistic device behaviors, network interactions, and cyber-attack scenarios. The synthetic datasets are evaluated for conformity to protocol standards, statistical similarity to original datasets, and utility in common security tools. The resulting synthetic data generation framework and evaluation metrics are expected to advance smart city cybersecurity by enabling researchers to model threats more effectively and evaluate defensive techniques more comprehensively to better protect critical smart city infrastructures.
• Abstract（参考訳）: スマートシティは、センサー、IoTデバイス、クラウドプラットフォーム、AI駆動のサービスと意思決定を統合する、相互接続されたサイバー物理システムに依存している。 これらのシステムは都市サービスを強化する一方で、大規模な攻撃面、異種データフロー、脅威ベクトルの進化による複雑なサイバーセキュリティの課題も導入している。 スマートシティのためのサイバーセキュリティツールの開発と検証には、実際の運用条件を正確に表現する高品質なデータセットが必要である。 しかし、現実世界のデータセットは不完全で、プライバシに敏感なデータが含まれ、アクセスが難しく、ツール開発をサポートするのに十分な悪意のあるアクティビティが欠如していることが多い。 この研究は、スマートシティのサイバーセキュリティ研究に特化したAIベースの合成データ生成(SDG)フレームワークを提案することで、この重要なギャップに対処する。 提案するフレームワークは、生成人工知能モデルを活用して、現実的なデバイス動作やネットワークインタラクション、サイバー攻撃シナリオを再現する、高忠実な合成サイバーセキュリティデータセットを生成する。 合成データセットは、プロトコル標準の適合性、元のデータセットと統計的類似性、および共通セキュリティツールの実用性について評価される。 結果として得られる合成データ生成フレームワークと評価指標は、研究者がより効果的に脅威をモデル化し、重要なスマートシティインフラストラクチャをより保護するために防御技術を評価することによって、スマートシティのサイバーセキュリティを促進することが期待されている。

関連論文リスト

• Explainable AI-Driven Cyber Risk Analytics and Model Reliability Assessment for Intelligent Governance of U.S. Critical Infrastructure: An XGBoost and SHAP-Based Intrusion Detection Framework [0.8496907566303933]
  本研究は、侵入検知システムモデルの開発とテストのためのCICIDS 2017データセットと、機械学習に基づくサイバーリスク予測モデルに基づく。 提案フレームワークは,精度,精度,リコール,F1スコア,ROC-AUC,偽陽性率など,さまざまなパフォーマンス指標を持つことにより,モデルの信頼性とレジリエンスを示す。
  論文  参考訳（メタデータ） (2026-06-04T05:05:14Z)
• Adaptive Cybersecurity Architecture for Digital Product Ecosystems Using Agentic AI [0.0]
  本研究では,動的学習と文脈認識型意思決定が可能な自律目標駆動エージェントを提案する。 行動ベースライン、分散リスクスコア、フェデレーションされた脅威情報共有は重要な特徴である。 このアーキテクチャは、複雑なデジタルインフラストラクチャを保護するインテリジェントでスケーラブルな青写真を提供する。
  論文  参考訳（メタデータ） (2025-09-25T00:43:53Z)
• Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
  現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。 当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
  論文  参考訳（メタデータ） (2025-07-03T02:45:51Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Simulation of Multi-Stage Attack and Defense Mechanisms in Smart Grids [2.0766068042442174]
  電力グリッドのインフラと通信のダイナミクスを再現するシミュレーション環境を導入する。 このフレームワークは多様なリアルな攻撃データを生成し、サイバー脅威を検出し緩和するための機械学習アルゴリズムを訓練する。 また、高度な意思決定支援システムを含む、新興のセキュリティ技術を評価するための、制御された柔軟なプラットフォームも提供する。
  論文  参考訳（メタデータ） (2024-12-09T07:07:17Z)
• AI-based Attacker Models for Enhancing Multi-Stage Cyberattack Simulations in Smart Grids Using Co-Simulation Environments [1.4563527353943984]
  スマートグリッドへの移行により、高度なサイバー脅威に対する電力システムの脆弱性が増大した。 本稿では,モジュール型サイバーアタックの実行に自律エージェントを用いたシミュレーションフレームワークを提案する。 当社のアプローチは、データ生成のための柔軟で汎用的なソースを提供し、より高速なプロトタイピングと開発リソースと時間の削減を支援します。
  論文  参考訳（メタデータ） (2024-12-05T08:56:38Z)
• Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
  生成AIは、学術分野と産業分野の両方から多くの注目を集めている。 セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
  論文  参考訳（メタデータ） (2024-05-17T04:00:58Z)

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。