論文の概要: Does Demand Response Increase Vulnerability to Cyber Attacks by Adversarial Data Modifications?

• arxiv url: http://arxiv.org/abs/2607.06632v1
• Date: Tue, 07 Jul 2026 13:15:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.16157
• Title: Does Demand Response Increase Vulnerability to Cyber Attacks by Adversarial Data Modifications?
• Title（参考訳）: 敵データ修正によるサイバー攻撃に対する需要応答は脆弱性を増大させるか?
• Abstract要約: 敵対的攻撃は、予測や意思決定アルゴリズムの結果を悪化させることを目的としたデータ操作である。 産業需要の反応における価格予測の操作が意思決定に与える影響を分析する。 敵の攻撃は、需要の反応から得られる利益を損なう可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adversarial attacks are crafted data manipulations that aim to deteriorate the outcomes of prediction or decision-making algorithms. In the energy systems literature, adversarial attacks have been studied with a focus on problems regarding the electricity grid. Such problems include forecasting and grid state estimation, where adversarial attacks are also known as false data injection attacks. Only few studies have analyzed the potential impact that adversarial attacks have on the demand side. We analyze how manipulated price forecasts impact the decision-making in industrial demand response. To this end, we design adversarial attacks that aim to deteriorate the output of electricity price forecasting models and solve scheduling optimization problems of energy-intensive production processes using the distorted price forecasts. We make use of a generalized process model to investigate the vulnerability to adversarial attacks for a range of production scheduling problems with different levels of process flexibility. We find that adversarial attacks can erode the profits gained from demand response. However, when perturbations are limited in extent (so that they are hard to detect by the human user), demand response preserves about 90\% of its financial advantage compared to steady-state process operation. Further, we find that the impact of adversarial attacks on demand response does not only depend on the magnitude of the perturbations but rather on the orientation of the adversarial perturbations. Therefore, we argue that attack analyses should explicitly incorporate the sensitivities of scheduling optimization models into the attack design to enable more rigorous assessments of decision-making under adversarial attacks.
• Abstract（参考訳）: 敵対的攻撃は、予測や意思決定アルゴリズムの結果を悪化させることを目的としたデータ操作である。 エネルギーシステムに関する文献では、電力網に関する問題に焦点をあてた敵攻撃が研究されている。 このような問題には予測とグリッド状態推定が含まれており、敵攻撃は偽データインジェクション攻撃としても知られている。 敵の攻撃が需要側に与える影響を分析する研究はごくわずかである。 産業需要の反応における価格予測の操作が意思決定に与える影響を分析する。 この目的のために、電力価格予測モデルの出力を低下させ、歪んだ価格予測を用いてエネルギー集約生産プロセスの最適化問題を解くことを目的とした敵攻撃を設計する。 我々は、プロセスの柔軟性の異なる生産スケジューリング問題に対して、敵攻撃の脆弱性を調査するために、一般化されたプロセスモデルを利用する。 敵の攻撃は、需要の反応から得られる利益を損なう可能性がある。 しかしながら、摂動が範囲的に制限されている場合(つまり、人間の検出が困難である)、需要応答は定常的なプロセス操作と比較して、その経済的優位性の約90%を保っている。 さらに, 対向攻撃が需要応答に与える影響は, 摂動の大きさだけでなく, 対向的摂動の向きにも依存することがわかった。 そこで,攻撃分析は,敵の攻撃下での意思決定をより厳密な評価を可能にするために,スケジューリング最適化モデルの感度をアタック設計に明示的に取り入れるべきである,と論じる。

関連論文リスト

• Revisiting the Adversarial Robustness of Graph-Based Traffic Forecasting [3.6211789323897166]
  グラフベースのAIによる交通予測は、インテリジェントトランスポートシステムの重要なコンポーネントである。 本研究では,限られたモデル知識と少数の道路センサのみを監視・操作する能力を備えた現実的な敵について検討する。 本稿では、入力特徴として硬化した予測器に出力を供給し、予測器を固定した適応攻撃に対して訓練した学習された物理インフォームド検出器を提案する。
  論文  参考訳（メタデータ） (2026-07-30T02:49:40Z)
• Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models [57.870323273127234]
  本研究の目的は,画像の持続的支配パターンに対して内的注意を喚起する新たな敵攻撃であるtextbfAttention Hijacking を提案することである。 提案手法は,クエリの特定の単語に対する操作された出力の依存性を低減する。
  論文  参考訳（メタデータ） (2026-05-17T08:02:27Z)
• How Worst-Case Are Adversarial Attacks? Linking Adversarial and Perturbation Robustness [4.60092781176058]
  アドリア攻撃はモデル脆弱性の特定に広く用いられているが、ランダムな摂動に対する堅牢性のためのプロキシとしての有効性については議論が続いている。 逆の例が、同じ大きさの摂動下での誤予測リスクを代表的に見積もっているかどうかを問う。 本研究では, 統計的に均一な雑音に近づいた体制において, 脆弱性を調査するための攻撃戦略を提案することにより, この接続の限界について検討する。
  論文  参考訳（メタデータ） (2026-01-20T22:24:47Z)
• Sampling-aware Adversarial Attacks Against Large Language Models [52.30089653615172]
  既存の敵攻撃は、通常、単一点の欲望世代において有害な反応を標的とする。 本研究では,有害な応答を抽出する目的のために,攻撃時のモデル出力の繰り返しサンプリングを行う。 既存の攻撃にサンプリングを統合することで、成功率が最大37%向上し、最大2桁の効率が向上することを示す。
  論文  参考訳（メタデータ） (2025-07-06T16:13:33Z)
• Indiscriminate Disruption of Conditional Inference on Multivariate Gaussians [60.22542847840578]
  敵対的機械学習の進歩にもかかわらず、敵対者の存在下でのガウスモデルに対する推論は特に過小評価されている。 我々は,意思決定者の条件推論とその後の行動の妨害を希望する自己関心のある攻撃者について,一組の明らかな変数を乱すことで検討する。 検出を避けるため、攻撃者は、破損した証拠の密度によって可否が決定される場合に、攻撃が可否を示すことを望んでいる。
  論文  参考訳（メタデータ） (2024-11-21T17:46:55Z)
• Adversarial Attacks Against Uncertainty Quantification [10.655660123083607]
  この研究は、攻撃者が依然として不確実性推定を操作することに興味を持つ異なる敵シナリオに焦点を当てる。 特に、アウトプットが下流モジュールや人間のオペレータによって消費される場合、機械学習モデルの使用を損なうことが目標である。
  論文  参考訳（メタデータ） (2023-09-19T12:54:09Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Analyzing the Impact of Adversarial Examples on Explainable Machine Learning [0.8312466807725919]
  敵対的攻撃は機械学習モデルに対する攻撃の一種であり、攻撃者は入力を意図的に修正し、モデルに誤った予測をさせる。 ディープラーニングモデルと敵攻撃の脆弱性に取り組むことで、モデルに望まないことを予測させるサンプルを非常に簡単に作成できることが示されています。 本研究では,テキスト分類問題に対する逆攻撃によるモデル解釈可能性の影響を解析する。
  論文  参考訳（メタデータ） (2023-07-17T08:50:36Z)
• Adversarial Backdoor Attack by Naturalistic Data Poisoning on Trajectory Prediction in Autonomous Driving [18.72382517467458]
  本稿では,軌道予測モデルに対する新たな逆バックドア攻撃を提案する。 我々の攻撃は、自然主義的、従って、新しい2段階のアプローチで作られた毒のサンプルを盗むことによって、訓練時に被害者に影響を及ぼす。 提案手法は,予測モデルの性能を著しく損なうおそれがあり,攻撃効果が高いことを示す。
  論文  参考訳（メタデータ） (2023-06-27T19:15:06Z)
• Probabilistic Categorical Adversarial Attack & Adversarial Training [45.458028977108256]
  敵対的な例の存在は、人々が安全クリティカルなタスクにディープニューラルネットワーク(DNN)を適用することに大きな懸念をもたらします。 分類データを用いて敵の例を生成する方法は重要な問題であるが、広範囲にわたる探索が欠如している。 本稿では,離散最適化問題を連続的な問題に変換する確率的カテゴリー逆攻撃(PCAA)を提案する。
  論文  参考訳（メタデータ） (2022-10-17T19:04:16Z)
• Causal Effect Estimation with Global Probabilistic Forecasting: A Case Study of the Impact of Covid-19 Lockdowns on Energy Demand [2.126171264016785]
  外部介入の不確実性が電力需要に与える影響を分析する必要がある。 本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。 コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
  論文  参考訳（メタデータ） (2022-09-19T09:39:29Z)
• Robust Trajectory Prediction against Adversarial Attacks [84.10405251683713]
  ディープニューラルネットワーク(DNN)を用いた軌道予測は、自律運転システムにおいて不可欠な要素である。 これらの手法は敵の攻撃に対して脆弱であり、衝突などの重大な結果をもたらす。 本研究では,敵対的攻撃に対する軌道予測モデルを保護するための2つの重要な要素を同定する。
  論文  参考訳（メタデータ） (2022-07-29T22:35:05Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)

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。