論文の概要: IoMT-SecAlarmBench: A Counterfactual Benchmark for Integrity Attacks in IoMT

• arxiv url: http://arxiv.org/abs/2608.26416v1
• Date: Wed, 26 Aug 2026 21:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.177827
• Title: IoMT-SecAlarmBench: A Counterfactual Benchmark for Integrity Attacks in IoMT
• Title（参考訳）: IoMT-SecAlarmBench: IoMTにおける統合攻撃の対実的ベンチマーク
• Authors: Emmanuel C. Ugwuabonyi, Dmitri Perkins,
• Abstract要約: Internet of Medical Things (IoMT)は、臨床生理学的データとサイバーシステム情報を組み合わせて、異常な読み取りが真の生理的事象、デバイス障害、または期待される生理的範囲内でのサイバー攻撃を反映するかどうかを判断する課題を生み出している。 IoMT-SecAlarmBenchは, 4つの攻撃形態, 4つの重度レベル, 2つの生理的可視性条件, リプレイアタックを組み合わせた構造化された実験設計を用いて, 真のECG+記録に制御整合性攻撃を注入する半合成ベンチマークである。 リプレイ攻撃と低振幅の過渡スパイクは、常に最も難しいケースを検出する方法はない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Internet of Medical Things (IoMT) combines clinical physiological data with cyber-system information, creating challenges in determining whether an abnormal reading reflects a genuine physiological event, a device fault, or a cyber-attack within the expected physiological range. Answering this requires counterfactual ground truth, which no existing dataset provides. We present IoMT-SecAlarmBench, a semi-synthetic benchmark that injects controlled integrity attacks into genuine coupled ECG+PPG recordings using a structured experimental design combining four attack morphologies, four severity levels, two physiological plausibility conditions, and replay attacks. Each injected window retains its cause, attack subtype, and the clean signal that would have been observed without the attack. We evaluate six detectors from five method families using threshold-independent measures and a matched false-alarm budget. Results show no method consistently detects the most difficult cases: replay attacks and low-amplitude transient spikes remain close to chance-level performance across detectors. Results also reveal a trade-off between detecting attacks and distinguishing them from sensor faults: the best-performing detector on hard cases flags fault/artifact windows at 5.3 times its false-alarm rate on normal data. Three-way classification performs poorly for genuine physiological events, and a leakage audit of a dual-modality network dataset indicates previously reported IoMT intrusion-detection performance is partly driven by identifying information. Benchmark, generation code, preprocessing, evaluation tools, and datasheet are released.
• Abstract（参考訳）: Internet of Medical Things (IoMT)は、臨床生理学的データとサイバーシステム情報を組み合わせて、異常な読み取りが真の生理的事象、デバイス障害、または期待される生理的範囲内でのサイバー攻撃を反映するかどうかを判断する課題を生み出している。 これに答えるためには、既存のデータセットが提供しない、反事実的な真実が必要である。 IoMT-SecAlarmBenchは, 4つの攻撃形態, 4つの重度レベル, 2つの生理的可視性条件, リプレイアタックを組み合わせた構造化実験により, 純結合ECG+PPG記録に制御整合性攻撃を注入する半合成ベンチマークである。 それぞれのインジェクトされたウィンドウは、その原因、攻撃サブタイプ、そして攻撃なしで観測されたであろうクリーン信号を保持します。 しきい値非依存尺度と一致した偽アラーム予算を用いて, 5種類の方法群から6つの検出器を評価した。 リプレイ攻撃や低振幅の過渡スパイクは、検出器間のチャンスレベルの性能に近づいたままである。 ハードケース上で最高の性能の検出器は、通常のデータに対する偽アラームレートの5.3倍のフォールト/アーティファクトウィンドウをフラグする。 両モードネットワークデータセットの漏洩監査では, 従来報告されていたIoMT侵入検出性能が, 情報の特定によって部分的に駆動されていることが示唆された。 ベンチマーク、生成コード、前処理、評価ツール、データシートがリリースされている。

関連論文リスト

• Robustness of Anomaly Detection Models for Industrial Control Systems under Training-Time Data Contamination [3.7391021139771325]
  本稿では, トレーニング時汚染下でのセキュア水処理ベンチマークにおいて, オフラインICS異常検出パイプラインのロバスト性を評価する。 ランダムインジェクション,類似性目標インジェクション,特徴ノイズインジェクションの3つの汚染手法により,11個の異種異常検出装置を評価した。 その結果、ロバスト性はモデルに依存しており、クリーンデータのパフォーマンスだけでは予測できないことがわかった。
  論文  参考訳（メタデータ） (2026-08-24T17:49:36Z)
• DSTAN-Med: Dual-Channel Spatiotemporal Attention with Physiological Plausibility Filtering for False Data Injection Attack Detection in IoT-Based Medical Devices [1.1459450491541954]
  インターネット・オブ・メディカル・モノ(IoMT)センサーに対するFalse Data Injection(FDI)攻撃は、トランジットにおける重要な兆候を偽る。 既存のディープラーニング検出器は、センサ間の空間的相関と、共有潜在空間における時間的依存関係を分割する。 DSTAN-Medは多変量センサウインドウを独立センサワイド(SWA)および時間ワイド(TWA)自己アテンション経路を介してルーティングする教師付きフレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T22:39:47Z)
• Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
  本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。 検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。 ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
  論文  参考訳（メタデータ） (2025-10-16T13:56:54Z)
• ViSTR-GP: Online Cyberattack Detection via Vision-to-State Tensor Regression and Gaussian Processes in Automated Robotic Operations [5.95097350945477]
  接続された工場と自動化された工場は、サイバーセキュリティのリスクが増大し、物理的運用に中断や損害をもたらす可能性がある。 データ統合攻撃は、攻撃者が運用データにアクセスし操作できるような高度な脆弱性を悪用することが多い。 本稿では、コントローラの権限外の頭上カメラからの視覚に基づく推定値に対して、エンコーダが報告した計測値を相互にチェックするオンライン検出フレームワークViSTR-GPを開発する。
  論文  参考訳（メタデータ） (2025-09-13T19:10:35Z)
• Assessing Representation Stability for Transformer Models [2.41710192205034]
  代用テキスト攻撃はトランスフォーマーモデルに対する永続的な脅威である。 本稿では,モデル・アバーサ検出フレームワークであるRepresentation Stability (RS)を紹介する。 RSは、重要な単語がマスクされたときに、埋め込み表現がどのように変化するかを測定する。
  論文  参考訳（メタデータ） (2025-08-06T21:07:49Z)
• Detection of Physiological Data Tampering Attacks with Quantum Machine Learning [0.4604003661048266]
  本研究では,QML(Quantum Machine Learning)による生理的データ改ざん検出の有効性を比較した。 QMLモデルはラベルフリップ攻撃を識別し、データや攻撃の重大さに応じて75%-95%の精度を達成する。 しかし、QMLモデルと古典モデルの両方は、より洗練された対向的摂動攻撃を検出するのに苦労している。
  論文  参考訳（メタデータ） (2025-02-09T17:26:41Z)
• How adversarial attacks can disrupt seemingly stable accurate classifiers [76.95145661711514]
  敵攻撃は、入力データに不連続な修正を加えることで、非正確な学習システムの出力を劇的に変化させる。 ここでは,これは高次元入力データを扱う分類器の基本的特徴であると考えられる。 実用システムで観測される重要な振る舞いを高い確率で発生させる、単純で汎用的なフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-09-07T12:02:00Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• 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)

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。