Fugu-MT 論文翻訳(概要): External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection

論文の概要: External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection

arxiv url: http://arxiv.org/abs/2608.15274v2
Date: Tue, 18 Aug 2026 13:38:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 13:45:32.916393
Title: External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection
Title（参考訳）: メタヒューリスティック特徴選択を用いた大規模WSNの外部シンクホール検出
Abstract要約: 本稿では,ハチ群最適化(BSO)アルゴリズムを用いたシンクホール攻撃検出のためのメタヒューリスティックな特徴選択法を提案する。 3000$times$ 3000 m$2$フィールド上に2000ノードを配置した外部シンクホール攻撃シミュレーションにおいて,提案手法は16機能セットを8機能に削減しつつ,0.997の検出精度を実現する。
参考スコア（独自算出の注目度）: 2.7093080114242025
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sinkhole attacks in large-scale wireless sensor networks (WSNs) pose a serious threat to network functionality. This paper presents a metaheuristic feature selection for sinkhole attack detection using the bee swarm optimization (BSO) algorithm. In an external sinkhole attack simulation with 2000 nodes deployed over a 3000 $\times$ 3000 m$^2$ field, the proposed method achieves a detection accuracy of 0.997 while reducing the 16-feature set to eight features.
Abstract（参考訳）: 大規模無線センサネットワーク(WSN)におけるシンクホール攻撃は、ネットワーク機能に深刻な脅威をもたらす。本稿では,ハチ群最適化(BSO)アルゴリズムを用いたシンクホール攻撃検出のためのメタヒューリスティックな特徴選択法を提案する。 3000$\times$ 3000 m$^2$フィールド上に2000ノードを配置した外部シンクホール攻撃シミュレーションにおいて,提案手法は16機能セットを8機能に削減しつつ,0.997の検出精度を実現する。

関連論文リスト

On the Evaluation of Spiking Neural Network Configurations for Network Intrusion Detection [4.258856450871923]
スパイキングニューラルネットワーク(SNN)は、エッジおよびニューロモルフィックデプロイメントに適した軽量な代替手段である。スパイク符号化方式は, ニューロンモデルよりも検出精度が高い。これらの結果から,従来の侵入検出手法の代替手段としてのSNNの可能性が浮かび上がっている。
論文参考訳（メタデータ） (2026-05-31T20:25:15Z)
Formulating Subgroup Discovery as a Quantum Optimization Problem for Network Security [0.21485350418225238]
サブグループディスカバリ(SD)は、アタックトラフィックに関連する機能インタラクションを特徴付けるルールを構築することで対処する。本稿では,NSL-KDDを用いたネットワーク侵入検出に応用したSD用量子拡張パイプラインを提案し,SDを量子最適化として初めて定式化した。
論文参考訳（メタデータ） (2026-04-29T20:00:31Z)
MI$^2$DAS: A Multi-Layer Intrusion Detection Framework with Incremental Learning for Securing Industrial IoT Networks [47.386868423451595]
MI$2$DASは、異常に基づく階層的なトラフィックプーリングとオープンセット認識を統合する多層侵入検知フレームワークである。 Edge-IIoTsetデータセットで実施された実験は、すべてのレイヤで強力なパフォーマンスを示している。これらの結果は、IIoTセキュリティを強化するための効果的でスケーラブルで適応的なフレームワークとして、MI$2$DASを示している。
論文参考訳（メタデータ） (2026-02-27T09:37:05Z)
Budgeted Adversarial Attack against Graph-Based Anomaly Detection in Sensor Networks [1.2891210250935148]
グラフニューラルネットワーク(GNN)は、センサネットワークにおける異常検出の強力なモデルとして登場した。我々は、GNNベースの検出器を標的とした、新しいグレーボックス回避攻撃であるBETAを紹介する。 BETAは最先端のGNN検出器の検知精度を平均30.62から39.16%に下げることを示した。
論文参考訳（メタデータ） (2025-09-22T16:30:19Z)
Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness [52.780853311462636]
バックドア攻撃はディープニューラルネットワーク(DNN)に深刻な脅威をもたらす既存の3Dポイントのクラウドバックドア攻撃は、サンプルワイドなグローバルな修正に依存している。我々は,3Dポイントクラウド用のパッチワイドバックドアアタックフレームワークであるStealthy Patch-Wise Backdoor Attack (SPBA)を提案する。
論文参考訳（メタデータ） (2025-03-12T12:30:59Z)
Detection-Rate-Emphasized Multi-objective Evolutionary Feature Selection for Network Intrusion Detection [21.104686670216445]
ネットワーク侵入検出における特徴選択問題を3目的最適化問題としてモデル化するDR-MOFSを提案する。ほとんどの場合、提案手法は従来の手法、すなわちより少ない特徴、より高い精度と検出率を達成できる。
論文参考訳（メタデータ） (2024-06-13T14:42:17Z)
Minimum Topology Attacks for Graph Neural Networks [70.17791814425148]
グラフニューラルネットワーク(GNN)は、敵対的トポロジ攻撃に対する堅牢性において大きな注目を集めている。本稿では,各ノードに対する攻撃を成功させるのに十分な最小摂動を適応的に見つけることを目的とした,最小予算トポロジ攻撃という新しいタイプのトポロジ攻撃を提案する。
論文参考訳（メタデータ） (2024-03-05T07:29:12Z)
DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [10.215216950059874]
妨害攻撃は5Gネットワークに重大なリスクをもたらす。本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
論文参考訳（メタデータ） (2024-03-05T04:29:31Z)
Secure Deep Learning-based Distributed Intelligence on Pocket-sized Drones [75.80952211739185]
パームサイズのナノドロンはエッジノードの魅力的なクラスであるが、その限られた計算資源は大規模なディープラーニングモデルの実行を妨げている。エッジフォッグ計算のパラダイムを採用することで、計算の一部をフォグにオフロードすることができるが、フォグノードや通信リンクが信頼できない場合、セキュリティ上の懸念が生じる。ナノドローン上でランダムなサブネットワークを冗長に実行することにより,霧の計算を検証する分散エッジフォッグ実行方式を提案する。
論文参考訳（メタデータ） (2023-07-04T08:29:41Z)
Feature Selection-based Intrusion Detection System Using Genetic Whale Optimization Algorithm and Sample-based Classification [0.0]
ホエール最適化アルゴリズム(WOA)と遺伝的アルゴリズム(GA)とサンプルベース分類を組み合わせた特徴選択を用いたネットワーク侵入検知システムを提案する。提案手法は,Whale最適化アルゴリズムと遺伝的アルゴリズムを組み合わせた特徴選択と,KNN分類を精度基準で組み合わせることで,従来の方法よりも優れた結果が得られる。
論文参考訳（メタデータ） (2022-01-03T11:05:02Z)
GGNB: Graph-Based Gaussian Naive Bayes Intrusion Detection System for CAN Bus [0.6299766708197884]
NHTSAは、自動車システムのサイバーセキュリティは、他の情報システムのセキュリティよりも重要であると確認した。グラフ特性とPageRank関連の特徴を活用して,新しいtextbf graph-based textbf Gaussian textbf naive textbf Bayes (GGNB) 侵入検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-24T18:18:07Z)
Oriented R-CNN for Object Detection [61.78746189807462]
本研究では、オブジェクト指向R-CNNと呼ばれる、効果的でシンプルなオブジェクト指向オブジェクト検出フレームワークを提案する。第1段階では,高品質な指向型提案をほぼ無償で直接生成する指向型領域提案ネットワーク(指向RPN)を提案する。第2段階は、R-CNNヘッダーで、興味のある領域(オブジェクト指向のRoI)を精製し、認識する。
論文参考訳（メタデータ） (2021-08-12T12:47:43Z)
Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。近年の取り組みは、他の等級のl_infty摂動と組み合わせている。本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-10T20:11:36Z)
Targeted Attack against Deep Neural Networks via Flipping Limited Weight Bits [55.740716446995805]
我々は,悪質な目的で展開段階におけるモデルパラメータを修飾する新しい攻撃パラダイムについて検討する。私たちのゴールは、特定のサンプルをサンプル修正なしでターゲットクラスに誤分類することです。整数プログラミングにおける最新の手法を利用することで、このBIP問題を連続最適化問題として等価に再構成する。
論文参考訳（メタデータ） (2021-02-21T03:13:27Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。