論文の概要: Impact of Benign Connectivity Variations on Intrusion Detection for Encrypted OPC UA Traffic in Industrial Private 5G Networks

• arxiv url: http://arxiv.org/abs/2607.09659v1
• Date: Fri, 10 Jul 2026 17:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.458821
• Title: Impact of Benign Connectivity Variations on Intrusion Detection for Encrypted OPC UA Traffic in Industrial Private 5G Networks
• Title（参考訳）: 産業用5Gネットワークにおける暗号化OPC UAトラフィックの侵入検出に及ぼす接続性変動の影響
• Abstract要約: 本稿では、プライベート5Gネットワークにおけるオープンプラットフォーム通信統一アーキテクチャ(OPC UA)トラフィックに対するMLベースのIDSに対する良質な接続変動の影響について検討する。 その結果、攻撃がないにもかかわらず、正当な接続イベントは偽陽性を顕著に増加させることが示された。 その結果,産業用プライベート5G環境におけるIDS出力の解釈におけるCPコンテキストの検討の重要性が浮き彫りとなった。
• 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: Machine learning (ML)-based intrusion detection systems (IDSs) are increasingly used to monitor encrypted industrial communication. However, their behavior under realistic private 5G operating conditions remains insufficiently understood. This paper investigates the impact of benign connectivity variations on ML-based IDSs for encrypted Open Platform Communications Unified Architecture (OPC UA) traffic in industrial private 5G networks. Experimental results show that legitimate connectivity events can noticeably increase false positive activity despite the absence of attacks. Furthermore, elevated IDS anomaly scores frequently coincide with periods of control-plane (CP) activity associated with these events. The findings highlight the importance of considering CP context when interpreting IDS outputs in industrial private 5G environments.
• Abstract（参考訳）: 機械学習(ML)ベースの侵入検知システム(IDS)は、暗号化された産業通信を監視するためにますます利用されている。 しかし、現実的なプライベートな5G動作条件下での動作は、まだ十分に理解されていない。 本稿では、産業用5Gネットワークにおける暗号化されたOpen Platform Communications Unified Architecture(OPC UA)トラフィックに対するMLベースのIDSに対する良質な接続性の変化の影響について検討する。 実験結果から、攻撃がないにもかかわらず、正当な接続イベントは偽陽性を顕著に増加させることが示された。 さらに、IDS異常スコアの上昇は、これらの事象に関連するコントロールプレーン(CP)活動の周期とよく一致する。 その結果,産業用プライベート5G環境におけるIDS出力の解釈におけるCPコンテキストの検討の重要性が浮き彫りとなった。

関連論文リスト

• Residual Observability and Attack Detectability in Encrypted OPC UA Traffic [0.0]
  OPC統一アーキテクチャ(OPC UA)暗号化はアプリケーション層セマンティクスを隠蔽し、侵入検出を残留通信構造に制限する。 本稿では, 構造的可観測性プロファイル, 構造的漏洩スコア(SLS), 家庭内および家族間比較, 位相特異解析, 次元アブレーション解析を組み合わせた説明的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-07-20T10:56:17Z)
• On the Security Implications of PQC in TLS: Handshake Exhaustion and IDS Degradation [7.6757713078041725]
  ポスト量子暗号(PQC)は、量子可能な攻撃に対するレジリエンスを高めるためにTLS 1.3に統合されつつある。 ハンドシェイクフェーズ中にPQCプリミティブによって導入された追加の計算および通信オーバーヘッドは、TLSハンドシェイク排気攻撃の影響を増幅する可能性がある。
  論文  参考訳（メタデータ） (2026-07-14T08:35:31Z)
• An Experimental Study of Machine Learning-Based Intrusion Detection for OPC UA over Industrial Private 5G Networks [2.0521761359589914]
  産業展開は、安全でプラットフォームに依存しない通信プロトコルとして、Open Platform Communications Unified Architecture (OPC UA) に依存している。 プライベート第5世代(5G)ネットワークは、現代の自動化システムに低レイテンシで信頼性の高い接続を提供する。 本稿では,オペレーティングプライベート5Gネットワーク上で動作しているOPC UAアプリケーションに対するサイバー攻撃を検出する実験を行った。
  論文  参考訳（メタデータ） (2026-03-24T16:50:41Z)
• Things that Matter -- Identifying Interactions and IoT Device Types in Encrypted Matter Traffic [0.9176056742068813]
  我々は、Matter IoT標準のロバスト性を、受動的盗聴者によって実行される暗号化トラフィック分析に分析する。 暗号化されたMatterトラフィックのメタデータのパターンを特定し、エンドデバイスとコントローラの間で発生した特定のインタラクションを推測する。 これらのパターンは、受動的攻撃者がネットワークで使用されるデバイスのタイプを推測できる指紋を作成するために使用することができる。
  論文  参考訳（メタデータ） (2026-02-02T10:34:06Z)
• Bit-Flipping Attack Exploration and Countermeasure in 5G Network [3.0524801814543]
  敵が5Gネットワークトラフィックをインターセプトし、復号化せずに暗号化されたメッセージの特定フィールドを変更するという整合性攻撃であるビットフリップ攻撃に対する5Gシステムの脆弱性を調査し、受信機に有効なままメッセージを変更した。 5GのNAS積分アルゴリズム(NIA)と比較して通信オーバーヘッドを増大させることなく、特定の暗号化フィールドを操作することの難しさを高めることにより、このような攻撃の効果を軽減するためのキーストリームベースのシャッフル防御機構を提案する。
  論文  参考訳（メタデータ） (2025-11-06T23:51:28Z)
• Connecting Domains and Contrasting Samples: A Ladder for Domain Generalization [52.52838658375592]
  本稿では,ドメイン間の概念的接続性を高めるために,ドメイン接続型コントラスト学習(DCCL)を提案する。 データ側では、クラス内の接続性を改善するために、よりアグレッシブなデータ拡張とクロスドメインの陽性サンプルが導入されている。 その結果、DCCLはドメインの監督なしに最先端のベースラインを上回ることが確認された。
  論文  参考訳（メタデータ） (2025-10-19T04:13:29Z)
• 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)
• ML-Enabled Eavesdropper Detection in Beyond 5G IIoT Networks [0.0]
  本稿では,盗聴検出の一般的な問題に対処するために,機械学習とディープラーニング(ML/DL)技術を活用することに焦点を当てる。 ML/DLモデルは、チャネル状態情報(CSI)、位置データ、送信電力に基づいて、ユーザーを正当または悪意のあるものと分類する。 提案した数値結果によると,DCNN と RF モデルは,誤報ゼロの盗聴者の識別に100%接近する検出精度を達成している。
  論文  参考訳（メタデータ） (2025-05-05T08:49:18Z)
• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• 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)
• Detecting Anomalous Microflows in IoT Volumetric Attacks via Dynamic Monitoring of MUD Activity [1.294952045574009]
  異常に基づく検出手法は、新たな攻撃を見つける上で有望である。 偽陽性のアラームや説明が難しい、費用対効果の低い、といった現実的な課題があります。 本稿では、SDNを使用して、各IoTデバイスの期待する動作を強制し、監視する。
  論文  参考訳（メタデータ） (2023-04-11T05:17:51Z)
• Data Heterogeneity-Robust Federated Learning via Group Client Selection in Industrial IoT [57.67687126339891]
  FedGSは5Gのエンパワーメント産業のための階層的なクラウド・エッジ・エンドのFLフレームワークである。 自然にクラスタ化されたファクトリデバイスを利用することで、FedGSは勾配ベースのバイナリ置換アルゴリズムを使用する。 実験によると、FedGSは精度を3.5%改善し、トレーニングラウンドを平均59%削減している。
  論文  参考訳（メタデータ） (2022-02-03T10:48:17Z)
• Reinforcement Learning on Encrypted Data [58.39270571778521]
  本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。 その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
  論文  参考訳（メタデータ） (2021-09-16T21:59:37Z)

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。