論文の概要: A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks
- arxiv url: http://arxiv.org/abs/2608.16769v1
- Date: Mon, 17 Aug 2026 16:18:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.791804
- Title: A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks
- Title（参考訳）: 運用技術ネットワークにおける説明可能なDDoS検出のための展開指向・資源効率の高いニューロシンボリックフレームワーク
- Abstract要約: 本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。
このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。
ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
- 参考スコア（独自算出の注目度）: 1.202468381202799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Operational technology (OT) environments, including programmable logic controllers (PLCs), industrial control systems (ICS), and supervisory control and data acquisition (SCADA) systems, are increasingly targeted by distributed denial-of-service (DDoS) attacks. This paper presents a neuro-symbolic framework specifically designed for robust DDoS detection in these resource-constrained environments. The framework fuses a gated recurrent unit (GRU) neural network with a shallow decision tree as a symbolic component. The symbolic component alone provides a compact, interpretable rule set, while the fusion combines the strengths of both paradigms. The hybrid model is evaluated on three real-world benchmark DDoS datasets: CIC-DDoS2019, Edge-IIoTset, and CICIoT23. A unified comprehensive preprocessing pipeline including label mapping, numerical feature selection, robust scaling, and class balancing is applied. The fusion weight alpha and decision threshold are jointly optimised on validation data to maximise F1-score. The hybrid model attains 99.04% accuracy (MCC 0.97) on CIC-DDoS2019 and 98.61% accuracy (MCC 0.76) on CICIoT23, in both cases reducing the FNR below that of the pure-neural and pure-symbolic baselines; on the linearly separable Edge-IIoTset the shallow decision tree alone already reaches 100%, so this benchmark validates the preprocessing pipeline rather than the fusion. The principal gain of the fusion is a lower FNR at a controlled false-positive cost, which matters in operational technology, where a missed attack is more damaging than a false alarm. Model-only inference latency is sub-millisecond (0.58-0.79 milliseconds per sample) on a standard central processing unit; including on-device flow-feature extraction, the end-to-end path remains within a single-digit-millisecond budget, which is compatible with OT control-loop timing.
- Abstract（参考訳）: プログラム可能なロジックコントローラ(PLC)、産業制御システム(ICS)、監視制御およびデータ取得(SCADA)システムを含む運用技術(OT)環境は、分散サービス拒否(DDoS)攻撃によってますます標的になってきている。
本稿では,これらの資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。
このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。
記号成分だけではコンパクトで解釈可能な規則セットを提供し、融合は両方のパラダイムの強みを結合する。
ハイブリッドモデルは、CIC-DDoS2019、Edge-IIoTset、CICIoT23という3つの実世界のベンチマークDDoSデータセットで評価されている。
ラベルマッピング、数値的特徴選択、ロバストなスケーリング、クラスバランシングを含む統合的な事前処理パイプラインを適用する。
F1スコアを最大化するために、融合重量アルファと判定閾値を検証データに共同最適化する。
CICIoT23では、CIC-DDoS2019では99.04%の精度(MCC 0.97)、CICIoT23では98.61%の精度(MCC 0.76)が達成されており、どちらも純神経系と純粋シンボル系のベースラインよりFNRを減らしている。
核融合の主な利益は、制御された偽陽性のコストで低いFNRであり、これは運用技術において重要である。
モデルのみの推論遅延は、標準中央処理ユニットでサブミリ秒(0.58-0.79ミリ秒)であり、オンデバイスフロー機能抽出を含むエンドツーエンドパスは、OT制御ループのタイミングと互換性のある1桁ミリ秒の予算内に留まる。
関連論文リスト
- Privacy-Preserving Federated Temporal Graph Learning with Digital Twin--Guided Adaptive Deception for Cyber-Resilient IoMT [0.6095710009266794]
本稿では,Advantage Actor-Critic (Federated TGCN-A2C) を用いたFederated Temporal Graph Convolutional Networkを提案する。
このフレームワークは、重み付きF1スコアの0.9948と0.9961で99.48%と99.61%のテスト精度を達成し、25と10のフェデレーションラウンドで収束し、3つの追加攻撃カテゴリをカバーしながらFed-Inforce-Fusionを0.21ポイント上回っている。
SHAP, LIME, Grad-CAM, および反ファクト分析によるホック後の説明責任は、決定が意味論的に意味のあるフローの特徴に根ざしていることを確認し、臨床展開における規制的説明責任をサポートする。
論文 参考訳（メタデータ） (2026-06-19T15:09:38Z) - A Task-Agnostic Algebraic Integrity Metric for Event-Camera Streams Toward SOTIF-Compliant Perception using Pearson Correlation Coefficient [0.0]
イベントカメラは、自動運転システムにおける安全クリティカルな認識のための低遅延センシングを提供する。
現在、タスクに依存しない品質基準は非同期イベントストリーム上で直接動作しません。
本研究は、ピアソン相関係数(PCC)を3つの標準イベント表現に引き上げる統一的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T12:54:23Z) - Towards Trustworthy 6G Network Digital Twins: A Framework for Validating Counterfactual What-If Analysis in Edge Computing Resources [0.5921052011710383]
Network Digital Twins (NDTs) は,6Gクラウドエッジインフラストラクチャに対して,安全なWhat-if分析を可能にする。
クラウドエッジテレメトリアグリゲーションのためのスケーラブルなパイプラインで6G-TWINを拡張したデータ駆動型NDTフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-16T08:49:32Z) - Cloud-OpsBench: A Reproducible Benchmark for Agentic Root Cause Analysis in Cloud Systems [51.2882705779387]
Cloud-OpsBenchは、State Snapshot Paradigmを使用して、クラウドの決定論的デジタルツインを構築する大規模なベンチマークである。
フルスタックにまたがる40の根本原因タイプに452の障害ケースがある。
論文 参考訳（メタデータ） (2026-02-28T05:04:42Z) - Decentralized Multi-Agent Swarms for Autonomous Grid Security in Industrial IoT: A Consensus-based Approach [0.0]
DMASエージェントは軽量なピアツーピアプロトコルを介して通信し、異常な振る舞いを協調的に検出する。
エージェントは特定された脅威の脅威レベルに投票し、妥協されたノードやノードの即時隔離を可能にする。
DMASは、ミリ秒以下の応答時間、高負荷下で悪意のある活動を検出する精度97.3%、ゼロデイ攻撃を検出する精度87%を示した。
論文 参考訳（メタデータ） (2026-01-24T04:25:36Z) - SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。
時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。
SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
論文 参考訳（メタデータ） (2026-01-19T07:42:45Z) - HiFiNet: Hierarchical Fault Identification in Wireless Sensor Networks via Edge-Based Classification and Graph Aggregation [11.108171977551619]
HiFiNetは、無線ネットワークのための階層的な障害識別フレームワークである。
局所時間パターンとネットワーク全体の空間依存性の両方をキャプチャすることで、より正確な予測を行う。
既存の手法の精度、F1スコア、精度を著しく上回っている。
論文 参考訳（メタデータ） (2025-11-06T16:15:19Z) - Targeted Deep Architectures: A TMLE-Based Framework for Robust Causal Inference in Neural Networks [41.07059178065932]
ネットワークのパラメータ空間に直接、TMLE(Targeted Likelihood Estimation)を直接埋め込む新しいフレームワークであるTDA(Targeted Deep Architectures)を提案する。
TDAはモデルパラメータを分割し、ターゲットの勾配に沿って反復的に更新する。
この手順は、一階偏差を除去し、有効な信頼区間を生成するプラグイン推定を与える。
論文 参考訳（メタデータ） (2025-07-16T17:24:06Z) - VAE-based Feature Disentanglement for Data Augmentation and Compression in Generalized GNSS Interference Classification [42.14439854721613]
干渉の正確な分類を可能にする重要な潜伏特徴を抽出するために, アンタングル化のための変分オートエンコーダ (VAE) を提案する。
提案するVAEは512から8,192の範囲のデータ圧縮率を実現し,99.92%の精度を実現している。
論文 参考訳（メタデータ） (2025-04-14T13:38:00Z) - 10K is Enough: An Ultra-Lightweight Binarized Network for Infrared Small-Target Detection [48.074211420276605]
バイナリ化されたニューラルネットワーク(BNN)は、モデル圧縮における例外的な効率によって区別される。
両立赤外小ターゲット検出ネットワーク(BiisNet)を提案する。
BiisNetは二項化畳み込みのコア操作を保存し、完全精度の機能をネットワークの情報フローに統合する。
論文 参考訳（メタデータ） (2025-03-04T14:25:51Z) - End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection [41.94295877935867]
エンドツーエンドの畳み込みアクティベーション異常解析(E2E-CA$3$)
エンドツーエンドの畳み込み動作異常解析(E2E-CA$3$)を提案する。
これは、Sperl、Schulze、B"ottingerによって提案されたA$3$の異常検出アプローチの重要な拡張である。
論文 参考訳（メタデータ） (2024-11-21T10:22:50Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z) - Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned
Edge Learning Over Broadband Channels [69.18343801164741]
パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。
本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
論文 参考訳（メタデータ） (2020-10-08T15:27:50Z)
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。