論文の概要: Graph neural networks at war: integrating cybersecurity and drone intelligence in the Israeli-Iranian conflict

• arxiv url: http://arxiv.org/abs/2606.17119v1
• Date: Mon, 15 Jun 2026 11:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.071583
• Title: Graph neural networks at war: integrating cybersecurity and drone intelligence in the Israeli-Iranian conflict
• Title（参考訳）: 戦争中のグラフニューラルネットワーク:イスラエルとイランの紛争におけるサイバーセキュリティとドローンのインテリジェンスの統合
• Authors: Sozan Sulaiman Maghdid, Tarik Ahmed Rashid, Shavan Askar,
• Abstract要約: 本研究では,GNN(Graph Neural Networks)を用いてサイバーセキュリティとドローン管理を支援する方法について検討する。 エミュレーションに基づくケーススタディに基づいて、ドローンの反応を誘発するサイバー攻撃モデルが作成された。 性能評価値によると、検出速度94.2、受信機動作特性(ROC)平均面積0.955、応答時間1.4秒である。
• 参考スコア（独自算出の注目度）: 0.3441021278275805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical cyber systems have brought about new threats and challenges in detection and immediate response. This study examines how Graph Neural Networks (GNNs) can be used to aid cybersecurity and drone management in a physical cyber system comprising of cyber intrusions and unmanned aerial vehicles (UAVs). By providing a bridge between structural understanding of graphical neural networks, this work has provided an integrated procedure that allows intrusion detection systems to educate on underlying network structures, identify malicious activity, and facilitates drone response measures. Based on an emulation-based case study, cyberattacks models were created to provoke the responses of the drones, which proved that graph-based learning can assist with the situational awareness, swarm coordination, and adaptive maneuver. According to the performance valuation, this method has a detection rate of 94.2, average area under the receiver operating characteristic (ROC) of 0.955 and an average response time of 1.4 seconds. Comparative experiments reveal that proposed GraphSAGE network is more effective than the Graphical Convolutional Networks (GCNs) and Graphical Attention Networks (GATs) in the identical situation. Such findings prove that graphical neural networks can be used to avert intrusion and response of dynamic cyber-physical systems.
• Abstract（参考訳）: 物理的サイバーシステムは、検出と即時応答における新たな脅威と課題をもたらしている。 本研究では、サイバー侵入と無人航空機(UAV)からなる物理的サイバーシステムにおいて、グラフニューラルネットワーク(GNN)を用いてサイバーセキュリティとドローン管理を支援する方法について検討する。 この研究は、グラフィカルニューラルネットワークの構造的理解の間の橋渡しを提供することにより、侵入検知システムが基盤となるネットワーク構造を教育し、悪意のある活動を識別し、ドローンの応答測定を容易にする統合的な手順を提供する。 エミュレーションに基づくケーススタディに基づいて、ドローンの反応を誘発するサイバー攻撃モデルが作成され、グラフベースの学習が状況認識、群集調整、適応操作を支援することが証明された。 性能評価値によると、検出速度94.2、受信機動作特性(ROC)平均面積0.955、応答時間1.4秒である。 比較実験の結果,提案したGraphSAGEネットワークは,同じ状況下でのGCN(Graphical Convolutional Networks)やGAT(Graphical Attention Networks)よりも有効であることがわかった。 このような発見は、グラフィカルニューラルネットワークが、動的サイバー物理システムの侵入と応答を回避するのに利用できることを証明している。

関連論文リスト

• Threat Detection in Social Media Networks Using Machine Learning Based Network Analysis [0.0]
  本稿では、ソーシャルメディアネットワーク環境における悪意ある行動の分類に使用できる機械学習に基づく脅威検出フレームワークを提案する。 次に、ニューラルネットワーク(ANN)のモデルを作成し、悪意のあるアクションの複雑で非線形な傾向を取得する。 提案手法は,精度,精度,リコール,F1スコア,ROC-AUCなどの従来の性能指標で検証し,優れた検出精度と高い強度を示す。
  論文  参考訳（メタデータ） (2026-01-05T22:14:41Z)
• Investigation of Multi-stage Attack and Defense Simulation for Data Synthesis [2.479074862022315]
  本研究では,電力網における多段階サイバー攻撃の合成データを生成するモデルを提案する。 攻撃者のステップのシーケンスをモデル化するためにアタックツリーを使用し、ディフェンダーのアクションを組み込むゲーム理論のアプローチを使用する。
  論文  参考訳（メタデータ） (2023-12-21T09:54:18Z)
• Physics-Informed Convolutional Autoencoder for Cyber Anomaly Detection in Power Distribution Grids [0.0]
  本稿では,物理インフォームド・コンボリューション・オートエンコーダ(PIConvAE)を提案する。 提案モデルは、Kirchhoffの法則を適用して、ニューラルネットワークの損失関数に物理原理を統合する。
  論文  参考訳（メタデータ） (2023-12-08T00:05:13Z)
• A Variational Autoencoder Framework for Robust, Physics-Informed Cyberattack Recognition in Industrial Cyber-Physical Systems [2.051548207330147]
  我々は、産業制御システムに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発する。 このフレームワークは、可変オートエンコーダ(VAE)、リカレントニューラルネットワーク(RNN)、ディープニューラルネットワーク(DNN)を組み合わせたハイブリッド設計である。
  論文  参考訳（メタデータ） (2023-10-10T19:07:53Z)
• Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
  適応型ニューラルネットワークの動的対向攻撃問題について検討する。 本稿では,LGM(Leaded Gradient Method)を提案する。 我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
  論文  参考訳（メタデータ） (2022-10-15T01:32:08Z)
• Searching for the Essence of Adversarial Perturbations [73.96215665913797]
  本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。 この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
  論文  参考訳（メタデータ） (2022-05-30T18:04:57Z)
• Poisoning Attacks on Cyber Attack Detectors for Industrial Control Systems [34.86059492072526]
  私たちはICSオンラインニューラルネットワーク検出器に対するこのような毒攻撃を最初に実演しています。 バックグラデーションベースの中毒という2つの異なる攻撃アルゴリズムを提案し、合成データと実世界のデータの両方でその効果を実証する。
  論文  参考訳（メタデータ） (2020-12-23T14:11:26Z)
• 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)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)

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。