論文の概要: Digital Twin Degradation: Detecting Cyber Physical Attacks via Temporal Inconsistencies

• arxiv url: http://arxiv.org/abs/2608.16159v1
• Date: Mon, 17 Aug 2026 06:24:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.556101
• Title: Digital Twin Degradation: Detecting Cyber Physical Attacks via Temporal Inconsistencies
• Title（参考訳）: デジタルツイン劣化:時間的不整合によるサイバー物理的攻撃の検出
• Abstract要約: 本稿では,物理的システムと潜在的に劣化するDTビュー間の時間的一貫性をモニタリングする検出フレームワークを提案する。 教師なし密度モデルは正常な一貫性パターンを特徴づけ、シーケンシャルな変化検出機構は攻撃を示す持続的な偏差を識別する。 その結果、時間的不整合パターンは、有界誤報率と検出遅延の低い、信頼性の高い事象レベルの攻撃検出を可能にすることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital Twins (DTs) are increasingly used to monitor and analyze Cyber Physical Systems (CPS). However, in adversarial environments, the fidelity of a DT cannot be assumed. Communication delays, data manipulation, sensor degradation, or partial information loss may cause the DT state to diverge from the physical process it represents. Such divergence creates temporal inconsistencies that may reveal cyber physical attacks. This paper proposes a detection framework that monitors temporal consistency between the physical system and a potentially degraded DT view. A DT predictor is trained exclusively on normal system behavior to model short-term system dynamics. During operation, discrepancies between predicted and observed states are transformed into multi-horizon temporal features capturing the magnitude, persistence, and evolution of prediction residuals. An unsupervised density model characterizes normal consistency patterns, while a sequential change detection mechanism identifies sustained deviations indicative of attacks. The approach is evaluated on three widely used Industrial Control System (ICS) datasets, SWaT, HAI, and BATADAL, under multiple DT degradation scenarios, including time desynchronization and partial observability loss. Results show that temporal inconsistency patterns enable reliable event-level attack detection with bounded false alarm rates and low detection latency. The proposed method achieves up to 98% detection reliability on SWaT and false alarm rates below 2%. Unlike conventional anomaly detection methods, the proposed framework does not require attack signatures or labeled attack data and remains effective even when the DT view is degraded. These results suggest that DT degradation, often treated as a limitation, can instead serve as a useful signal for cyber physical security monitoring.
• Abstract（参考訳）: デジタルツイン(DT)は、サイバー物理システム(CPS)の監視と分析にますます利用されている。 しかし、敵対的な環境では、DTの忠実さを仮定することはできない。 通信遅延、データ操作、センサー劣化、または部分的な情報損失は、DT状態が表現する物理プロセスから逸脱する可能性がある。 このようなばらつきは、サイバー物理的攻撃を露呈する時間的不整合を生じさせる。 本稿では,物理的システムと潜在的に劣化するDTビュー間の時間的一貫性をモニタリングする検出フレームワークを提案する。 DT予測器は、短期システムのダイナミクスをモデル化するために、通常のシステム動作にのみ訓練される。 操作中、予測状態と観測状態の相違は、予測残差の大きさ、持続性、および進化を捉えた多重水平時間特徴に変換される。 教師なし密度モデルは正常な一貫性パターンを特徴づけ、シーケンシャルな変化検出機構は攻撃を示す持続的な偏差を識別する。 この手法は、時間非同期化や部分観測可能性損失を含む複数のDT劣化シナリオにおいて、広く使用されている3つの産業制御システム(ICS)データセット、SWaT、HAI、BATADALで評価される。 その結果、時間的不整合パターンは、有界誤報率と検出遅延の低い、信頼性の高い事象レベルの攻撃検出を可能にすることがわかった。 提案手法は,SWaTにおける検出信頼性を最大98%,誤警報率を2%以下とした。 従来の異常検出手法とは異なり、提案フレームワークは攻撃署名やラベル付き攻撃データを必要としないため、DTビューが劣化しても有効である。 これらの結果から、DT劣化は、しばしば制限として扱われるが、サイバー物理的セキュリティ監視に有用なシグナルとして機能する可能性が示唆された。

関連論文リスト

• Systematic Integration of Digital Twins and Constrained LLMs for Interpretable Cyber-Physical Anomaly Detection [0.0]
  産業制御システム(ICS)を標的としたサイバー攻撃は、ますます洗練され、識別が困難になっている。 このような攻撃を検知するには、低レベルの振る舞いキューと高レベルのセマンティック解釈を統合する必要がある。 本稿では,Digital Twin(DT)によるハイブリッド検出手法を提案する。
  論文  参考訳（メタデータ） (2026-04-04T16:38:12Z)
• Cyber-Resilient Digital Twins: Discriminating Attacks for Safe Critical Infrastructure Control [0.0815557531820863]
  i-SDTは、油圧調整された予測モデル、マルチクラス攻撃識別、適応レジリエンス制御を組み合わせた。 SWaTとWADIデータセットの評価では、検出精度が大幅に向上し、44.1%の誤報が減少し、56.3%の運用コストが削減された。
  論文  参考訳（メタデータ） (2026-03-19T08:33:21Z)
• Information-Theoretic Digital Twins for Stealthy Attack Detection in Industrial Control Systems: A Closed-Form KL Divergence Approach [0.0]
  デジタル双生児(DT)は産業制御システム(ICS)の監視・確保にますます利用されている しかし、通常の物理的境界内でシステム状態を操作するステルスな偽データ注入攻撃(FDIA)を検出することは依然として困難である。 リアルタイム異常検出のためのクローズドループ情報理論デジタルツイン(IT-DT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-02T08:56:11Z)
• Analyzing and Improving Diffusion Models for Time-Series Data Imputation: A Proximal Recursion Perspective [45.713195454899875]
  拡散モデル(DM)は時系列データインプットを約束している。 DMの性能は複雑なシナリオでは相容れない。 我々はSPIRIT(Semi-proximal Transport Regularized Time-Series Imputation)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T12:11:57Z)
• Bridging the Reality Gap in Digital Twins with Context-Aware, Physics-Guided Deep Learning [3.0996501197166975]
  デジタルツイン(DT)は強力な予測分析を可能にするが、シミュレーションと実際のシステムの相違 - 現実のギャップとして知られ、信頼性を損なう。 本稿では,新しいセンサデータを連続的に統合し,誤りを検知し,クエリ応答フレームワークを介してDTを再検討する,DTのためのReal Gap Analysis(RGA)モジュールを提案する。 提案手法は,コンテキスト推論の改善と物理的整合性維持のために,ドメイン・アドバイサル深層学習と低次シミュレータ誘導を融合する。
  論文  参考訳（メタデータ） (2025-05-17T05:18:46Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Defending Water Treatment Networks: Exploiting Spatio-temporal Effects for Cyber Attack Detection [46.67179436529369]
  水処理ネットワーク(WTN)は地域社会と公衆衛生にとって重要なインフラであり、WTNはサイバー攻撃に弱い。 WTNにおけるサイバー攻撃の時間的特性をモデル化し,WTNを防御する構造的異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-26T15:56:55Z)
• RePAD: Real-time Proactive Anomaly Detection for Time Series [0.27528170226206433]
  RePADはLong Short-Term Memory (LSTM)に基づくストリーミング時系列のリアルタイム能動異常検出アルゴリズムである 検出しきい値を時間とともに動的に調整することにより、RePADは時系列におけるマイナーパターンの変更を許容し、前向きまたは時間的に異常を検出することができる。
  論文  参考訳（メタデータ） (2020-01-24T09:13:33Z)

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。