Fugu-MT 論文翻訳(概要): Technical Report on Resilient and Secure Large-Scale Energy Internet Systems

論文の概要: Technical Report on Resilient and Secure Large-Scale Energy Internet Systems

arxiv url: http://arxiv.org/abs/2608.12916v1
Date: Thu, 13 Aug 2026 07:58:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-14 18:29:38.433384
Title: Technical Report on Resilient and Secure Large-Scale Energy Internet Systems
Title（参考訳）: 耐弾力・セキュアな大規模エネルギーインターネットシステムに関する技術報告
Abstract要約: この報告書は、EIのサイバー物理的脅威の風景と、検出、保証、緩和のテクニックを特徴づけている。報告書は、大規模EIの弾力性と安全性を実現するために必要な研究、標準化、規制に関する勧告を締めくくっている。
参考スコア（独自算出の注目度）: 3.579105385397117
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This IEEE PES Task Force report examines the security and resilience of large-scale Energy Internet (EI) systems, in which electricity, information, and market layers are tightly coupled through pervasive digitalization. The report characterizes the EI cyber-physical threat landscape and surveys detection, assurance, and mitigation techniques, presents modeling, control, and decision-making frameworks that capture cyber-physical interdependencies, including storage integration, multi-dimensional resilience, and electricity price forecasting, examines adversarial risks and trustworthy deployment of artificial intelligence, and introduces graph-based, attack-resilient information routing. The report closes with recommendations for research, standardization, and regulatory efforts needed to realize a resilient and secure large-scale EI.
Abstract（参考訳）: このIEEE PES Task Forceレポートは、電気、情報、市場層が広範にデジタル化によって密結合される大規模エネルギーインターネット(EI)システムのセキュリティとレジリエンスを調査する。このレポートは、EIサイバー物理脅威の展望と調査、検出、保証、緩和技術、ストレージ統合、多次元レジリエンス、電力価格予測を含むサイバー物理相互依存を捉えるモデリング、制御、意思決定のフレームワーク、敵のリスクと人工知能の信頼できる展開を調べ、グラフベースで攻撃耐性のある情報ルーティングを導入することを特徴としている。報告書は、大規模EIの弾力性と安全性を実現するために必要な研究、標準化、規制に関する勧告を締めくくっている。

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)
Internet of Things Security: A Survey on Common Attacks [0.8045019043289878]
IoT(Internet of Things)は、スマートシティ、デジタルヘルス、Industrial 4.0など、さまざまな分野に接続デバイスを統合している。本稿では,IoTの脅威環境に関する包括的調査と分析を行う。 Man-in-the-Middleのような従来の脅威から、ノードレプリケーションやスキミングなど、特殊なIoTエクスプロイトまで、28の一般的な攻撃について説明している。
論文参考訳（メタデータ） (2026-05-05T13:29:22Z)
Impact of Intelligent Technologies on IoV Security: Integrating Edge Computing and AI [43.101093203101776]
本稿では、IoVセキュリティフレームワークの強化におけるエッジコンピューティング(EC)、機械学習(ML)、ディープラーニング(DL)の役割について調査する。これらの技術間の相乗効果を調べ、脅威検出、応答時間、適応セキュリティの強化に対する個々の能力とそれらの集団的影響を強調します。この論文は、IoVセキュリティのさらなる進歩に向けた重要な研究ギャップと今後の方向性を明らかにし、スケーラブルでプライバシー保護のソリューションの必要性や、新たなサイバー脅威に対する堅牢な防御メカニズムの必要性も挙げている。
論文参考訳（メタデータ） (2026-04-11T06:25:38Z)
Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
論文参考訳（メタデータ） (2026-01-25T12:47:25Z)
Backscattering-Based Security in Wireless Power Transfer Applied to Battery-Free BLE Sensors [44.99833362998488]
Internet of Thingsシステムにおけるセキュリティとエネルギー効率の統合は、依然として重要な課題である。本稿では,Bluetooth Low Energyバッテリフリー無線センサネットワークに統合することで,後方散乱に基づくセキュリティ機構のスケーラビリティとプロトコルに依存しない性質について考察する。
論文参考訳（メタデータ） (2025-07-17T12:15:09Z)
Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
サイバー物理パワーシステムの複雑さは攻撃面を大きくし悪質なアクターに悪用される我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
論文参考訳（メタデータ） (2025-06-14T12:07:44Z)
Machine Learning-Based Intrusion Detection and Prevention System for IIoT Smart Metering Networks: Challenges and Solutions [0.0]
本稿では、IIoTベースのスマート計測ネットワークの安全性に関する課題について考察する。エッジデバイスを保護するための機械学習ベースの侵入検知システム(IDPS)を提案する。
論文参考訳（メタデータ） (2025-02-16T14:08:59Z)
Physical and Software Based Fault Injection Attacks Against TEEs in Mobile Devices: A Systemisation of Knowledge [5.6064476854380825]
Trusted Execution Environments (TEE) は、現代のセキュアコンピューティングの重要なコンポーネントである。機密データを保護し、セキュアな操作を実行するために、プロセッサに分離されたゾーンを提供する。その重要性にもかかわらず、TEEは障害注入(FI)攻撃に対してますます脆弱である。
論文参考訳（メタデータ） (2024-11-22T11:59:44Z)
ACRIC: Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
安全クリティカルな業界における最近のセキュリティインシデントは、適切なメッセージ認証の欠如により、攻撃者が悪意のあるコマンドを注入したり、システムの振る舞いを変更することができることを明らかにした。これらの欠点は、サイバーセキュリティを強化するために圧力をかける必要性を強調する新しい規制を引き起こしている。我々は,レガシ産業通信をセキュアにするためのメッセージ認証ソリューションであるACRICを紹介する。
論文参考訳（メタデータ） (2024-11-21T18:26:05Z)
Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文参考訳（メタデータ） (2024-02-21T06:22:41Z)
ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With Intelligent Agents [0.0]
ANALYSEは、学習エージェントがサイバー物理エネルギーシステムにおける攻撃を自律的に見つけることができる機械学習ベースのソフトウェアスイートである。未知の攻撃タイプを見つけ、科学文献から多くの既知のサイバー物理エネルギーシステムの攻撃戦略を再現するように設計されている。
論文参考訳（メタデータ） (2023-04-21T11:36:18Z)
ThreatKG: An AI-Powered System for Automated Open-Source Cyber Threat Intelligence Gathering and Management [65.0114141380651]
ThreatKGはOSCTIの収集と管理のための自動化システムである。複数のソースから多数のOSCTIレポートを効率的に収集する。さまざまな脅威エンティティに関する高品質な知識を抽出するために、AIベースの専門技術を使用する。
論文参考訳（メタデータ） (2022-12-20T16:13:59Z)

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。