論文の概要: A Hybrid Intrusion Detection System for Electric Vehicle Charging Infrastructure
- arxiv url: http://arxiv.org/abs/2606.23236v1
- Date: Mon, 22 Jun 2026 12:23:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 23:07:25.049862
- Title: A Hybrid Intrusion Detection System for Electric Vehicle Charging Infrastructure
- Title（参考訳）: 電気自動車充電インフラのハイブリッド侵入検知システム
- Authors: Charukeshi Joglekar, Chijioke Eze, Danni Xiang, Antonello Monti,
- Abstract要約: 本研究は,既存のEVCS侵入検知システムにおける重要なギャップに対処する。
EVCSエコシステムのサイバー層と物理層の両方で攻撃検出を統合するハイブリッドIDSを提案する。
提案したハイブリッドIDSは、ネットワークベースIDS(NIDS)とホストベースIDS(HIDS)を組み合わせた二重層統合方式を用いる。
- 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: The integration of Electric Vehicle Charging Stations (EVCSs) into the smart grid necessitates sophisticated digital infrastructure for their management and coordination, which expands the attack surface and makes both the power grid and EVCSs vulnerable to cyberattacks. This research addresses critical gaps in existing EVCS Intrusion Detection Systems (IDS) by proposing a hybrid IDS that integrates attack detection on both the cyber and physical layer of the EVCS ecosystem. The proposed hybrid IDS utilizes a dual-layer integration method, which combines network-based IDS (NIDS) and host-based IDS (HIDS). This approach facilitates for comprehensive monitoring of both network traffic through the NIDS and host-level activities via the HIDS, effectively addressing the unique challenges posed by the interconnected nature of EVCS ecosystems. Utilizing the recent CICEVSE2024 dataset, the IDS presented in this work performs multiclass classification across various attack types, including False Data Injection Attacks (FDIAs), reconnaissance, denial of service, backdoor, and cryptojacking attacks. Experimental results demonstrate that our approach achieves excellent detection accuracy, with the NIDS component reaching 99.99\% accuracy for network-based attacks and the HIDS component achieving 83.47\% accuracy on FDIA, cryptojacking, backdoor, all DoS, all Recon except Slowloris Scan attacks. This dual-layer detection significantly outperforms single-source detection approaches previously presented in literature.
- Abstract（参考訳）: 電気自動車充電ステーション(EVCS)のスマートグリッドへの統合は、その管理と調整のために高度なデジタルインフラストラクチャを必要とし、攻撃面を拡張し、電力グリッドとEVCSの両方をサイバー攻撃に脆弱にする。
本研究は、EVCSエコシステムのサイバー層と物理的層の両方に対する攻撃検出を統合するハイブリッドIDSを提案することにより、既存のEVCS侵入検知システム(IDS)における重要なギャップに対処する。
提案するハイブリッドIDSは,ネットワークベースIDS(NIDS)とホストベースIDS(HIDS)を組み合わせた二重層統合方式を用いる。
このアプローチは、NIDSによるネットワークトラフィックとHIDSによるホストレベルのアクティビティの両方を包括的に監視し、EVCSエコシステムの相互接続によって引き起こされる固有の課題に効果的に対処する。
最近のCICEVSE2024データセットを利用して、本研究で提示されたIDSは、偽データインジェクション攻撃(FDIA)、偵察、サービス拒否、バックドア、暗号ジャック攻撃など、さまざまな種類の攻撃タイプにまたがるマルチクラス分類を実行する。
Slowloris Scan攻撃を除くすべてのRecon, FDIA, Cryptojacking, Backdoor, All DoSにおいて, NIDS コンポーネントが 83.47 % の精度でネットワークベースの攻撃に対して 99.99 % の精度で検出できることを示す。
この二重層検出は、文献で提示された単一ソース検出手法よりも大幅に優れている。
関連論文リスト
- SoK: Harmonizing Attack Graphs and Intrusion Detection Systems [70.34940998791319]
アタックグラフ(AG)は、アタック戦略を分析し、応答を通知するための主要な脅威モデルである。
初期の研究で概念的なつながりが認識されているにもかかわらず、AGとIDSの統合の分野は共通の構造を欠いている。
本稿では,AG-IDS統合に関する最初の体系的分析を行い,73の総合的な文献を概説する。
論文 参考訳（メタデータ） (2026-03-09T12:16:51Z) - Hybrid IDS Using Signature-Based and Anomaly-Based Detection [0.0]
侵入検知システム(IDS)は、コンピュータシステムやネットワークを広範囲のサイバー脅威から保護するために不可欠である。
IDSは一般的に2つの主要なタイプに分類される。
本稿では,シグネチャベースと異常検出技術を統合したハイブリッドIDSの概要を述べる。
論文 参考訳（メタデータ） (2026-01-17T10:19:57Z) - CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。
RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。
結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
論文 参考訳（メタデータ） (2025-07-19T20:09:52Z) - Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning [39.58317527488534]
本稿では, IEC 61850 SV インジェクション攻撃の検出, 防止, ソースローカライズのためのハイブリッド統計深度学習法を提案する。
悪質なSVフレームを最小の処理オーバーヘッドとレイテンシで事実上破棄し、通信ネットワークのレイテンシと時間同期の問題に対して堅牢性を維持する。
IEC 61850準拠のデジタル変電所における本手法の実用的展開適性を示す。
論文 参考訳（メタデータ） (2025-07-01T07:38:22Z) - A Conditional Tabular GAN-Enhanced Intrusion Detection System for Rare Attacks in IoT Networks [1.1970409518725493]
モノのインターネット(IoT)ネットワークは、6G技術によって強化され、さまざまな産業に変化をもたらしている。
彼らの普及は、特に稀だが潜在的に破壊的なサイバー攻撃を検出する際に、重大なセキュリティリスクをもたらす。
従来のIDSは、IoTデータの深刻なクラス不均衡により、まれな攻撃を検出するのに苦労することが多い。
論文 参考訳（メタデータ） (2025-02-09T21:13:11Z) - Charging Ahead: A Hierarchical Adversarial Framework for Counteracting Advanced Cyber Threats in EV Charging Stations [1.873794246359724]
電気自動車(EV)は、より高い充電優先度を得るために偽情報を提供し、グリッド不安定を引き起こす可能性がある。
本稿では,EV充電ステーションにおける盗難サイバー攻撃を効果的に検出するDRL(HADRL)を用いた階層的対向フレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-04T08:23:03Z) - Redefining DDoS Attack Detection Using A Dual-Space Prototypical Network-Based Approach [38.38311259444761]
我々は、DDoS攻撃を検出するための新しいディープラーニングベースの技術を導入する。
本稿では,一意な双対空間損失関数を利用する新しい双対空間原型ネットワークを提案する。
このアプローチは、潜在空間における表現学習の強みを生かしている。
論文 参考訳（メタデータ） (2024-06-04T03:22:52Z) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳（メタデータ） (2024-03-26T08:51:23Z) - 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 Transfer Learning and Optimized CNN Based Intrusion Detection System
for Internet of Vehicles [10.350337750192997]
本稿では,インターネット・オブ・ビークルズ(IoV)システムにおいて,トランスファー学習とアンサンブル学習に基づくIDSを提案する。
提案されたIDSは、2つの公開ベンチマークIoVセキュリティデータセットで99.25%以上の検出率とF1スコアを示した。
本研究は車内ネットワークおよび車外ネットワークにおけるサイバー攻撃検出におけるIDSの有効性を示す。
論文 参考訳（メタデータ） (2022-01-27T21:24:09Z) - G-IDS: Generative Adversarial Networks Assisted Intrusion Detection
System [1.5119440099674917]
本稿では,GANによる侵入検知システム(G-IDS)を提案する。
G-IDSは合成サンプルを生成し、IDSは元のサンプルとともにそれらを訓練する。
提案したG-IDSモデルは,スタンドアロンのIDSよりも,トレーニングプロセス中の攻撃検出とモデルの安定化に優れていた。
論文 参考訳（メタデータ） (2020-06-01T02:42:46Z)
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。