論文の概要: Towards a Resilience-Theoretic Foundation for Adversarial Robustness in Industrial Control System Anomaly Detection

• arxiv url: http://arxiv.org/abs/2609.07244v1
• Date: Mon, 07 Sep 2026 09:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.393646
• Title: Towards a Resilience-Theoretic Foundation for Adversarial Robustness in Industrial Control System Anomaly Detection
• Title（参考訳）: 産業制御システム異常検出における逆ロバスト性のためのレジリエンス理論の基礎に向けて
• Abstract要約: 産業制御システム(ICS)および運用技術(OT)環境における異常な侵入検知システムは、形式的なレジリエンス基準を満たすためにますます必要とされている。 既存のサイバー物理システムのためのレジリエンスフレームワークは、アーキテクチャレベルで吸収-回復-適応軌道を定義するが、機械学習異常検出器を第一級コンポーネントとして扱わない。 本稿では,ICS異常検出における対向ロバスト性はシステムレジリエンスの特定インスタンス化であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Anomaly-based intrusion detection systems in industrial control systems (ICS) and operational technology (OT) environments are increasingly required to meet formal resilience criteria: absorbed adversarial disturbances, graceful degradation under sustained attack, and certified system-level guarantees. Existing resilience frameworks for cyber-physical systems define absorb-recover-adapt trajectories at the architectural level but do not treat machine learning anomaly detectors as first-class components, leaving a gap between component-level robustness evaluation and system-level resilience certification. In this paper, we establish that adversarial robustness in ICS anomaly detection is a specific instantiation of system resilience, and formalise this connection by mapping four resilience constructs, i.e. disturbance class, absorption capacity, recovery trajectory, and degradation function, onto the adversarial machine learning setting. We derive a compositional resilience bound for heterogeneous ICS detection networks, showing that the binding constraint on system-level resilience is the coupling-adjusted absorption capacity of each node along the attack path, not the per-node capacity -- so the binding node need not be the weakest one. Empirical validation on the BATADAL water distribution system benchmark demonstrates that the resulting metrics surface operationally significant phenomena invisible to standard benchmarks: the absorption-degradation divergence under adversarial training, and the paradox that hardening the binding node in isolation reduces system-level resilience. Implications for ICS architecture design and certification standards are discussed.
• Abstract（参考訳）: 産業制御システム(ICS)および運用技術(OT)環境における異常な侵入検知システムは、吸収された敵の障害、持続的な攻撃下での優雅な劣化、認証されたシステムレベルの保証など、形式的なレジリエンス基準を満たすためにますます要求される。 既存のサイバー物理システムのためのレジリエンスフレームワークは、アーキテクチャレベルで吸収-回復-適応軌道を定義するが、機械学習異常検出器を第一級コンポーネントとして扱うことはなく、コンポーネントレベルの堅牢性評価とシステムレベルのレジリエンス認証のギャップを残している。 本稿では,ICS異常検出における逆方向のロバスト性はシステムレジリエンスの特定のインスタンス化であり,この接続を,障害クラス,吸収能力,回復軌道,劣化関数という4つのレジリエンス構造を,逆方向の機械学習環境にマッピングすることによって定式化する。 我々は、異種ICS検出ネットワークに結合した構成レジリエンスを導出し、システムレベルのレジリエンスに対する結合制約は、ノードごとの容量ではなく、攻撃経路に沿った各ノードの結合調整吸収容量であることを示す。 BATADAL水分配システムベンチマークの実証的検証は、結果として得られる測定値が、標準的なベンチマークでは見えないような、運用上重要な現象であることを示した。 ICSアーキテクチャ設計と認定基準の意義について論じる。

関連論文リスト

• Hierarchical Federated Learning with Dynamic Clustering and Adaptive Regularization for Robust Infrastructure Inspection [46.657161089480375]
  本稿では,新しい階層型フェデレーション学習フレームワークを提案する。 このフレームワークは、相乗的な2層最適化戦略を編成する。 大規模で実世界の構造検査データセットに関する総合的な評価は、マクロクラスタリングとマイクロレギュラー化の階層的な統合が二重レベルの不均一性をうまく中和することを示した。
  論文  参考訳（メタデータ） (2026-06-02T03:14:26Z)
• Quantifying Cyber-Vulnerability in Power Electronics Systems via an Impedance-Based Attack Reachable Domain [10.456457295840005]
  この手紙は、実行可能な敵アクションを臨界固有値移動にマッピングするインピーダンスベースのアタック・リーチブル・ドメイン・フレームワークを提案する。 アタック浸透指数はノードレベルのサイバー脆弱性を定量化するために定義される。 ケーススタディでは、調整されたクロスレイヤー操作は孤立した単一層攻撃よりも明らかに損傷が大きいことが示されている。
  論文  参考訳（メタデータ） (2026-05-14T07:47:43Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• Don't Break the Boundary: Continual Unlearning for OOD Detection Based on Free Energy Repulsion [8.714183507567087]
  アウト・オブ・ディストリビューション(OOD)検出は、オープンワールド環境における信頼できるAIにとって不可欠である。 従来のアンラーニング手法は、この微妙な構造を妨害し、異常を識別するモデルの能力が壊滅的に失われた。 我々は,低エネルギーID多様体内の保持クラスをプル機構を介してアンカーし,忘れられたクラスを高エネルギーOOD領域に積極的に排出するTFERを提案する。
  論文  参考訳（メタデータ） (2026-02-06T02:55:47Z)
• 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)
• PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
  本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。 静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。 高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
  論文  参考訳（メタデータ） (2026-01-19T07:57:52Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Hybrid Temporal Differential Consistency Autoencoder for Efficient and Sustainable Anomaly Detection in Cyber-Physical Systems [0.0]
  重要なインフラ、特に配水システムに対するサイバー攻撃は、急速なデジタル化により増加した。 本研究では,センサデータの時間相関を利用した異常検出における重要な課題に対処する。 本稿では,決定論的ノードと従来の統計ノードの両方を組み込んでTDCを拡張するハイブリッドTDC-AEという,ハイブリッドオートエンコーダに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-08T09:22:44Z)
• Anomaly Detection in Complex Dynamical Systems: A Systematic Framework Using Embedding Theory and Physics-Inspired Consistency [0.0]
  複雑な力学系における異常検出は、産業やサイバー物理のインフラにおける信頼性、安全性、効率を確保するために不可欠である。 本稿では,古典的な埋め込み理論と物理に着想を得た一貫性原理を基礎としたシステム理論による異常検出手法を提案する。 本研究は, 異常が安定系の力学を阻害する仮説を支持し, 異常検出のためのロバストな信号を提供する。
  論文  参考訳（メタデータ） (2025-02-26T17:06:13Z)
• Source-Free Domain Adaptive Object Detection with Semantics Compensation [54.00183496587841]
  Weak-to-strong Semantics Compensation (WSCo)を導入する。 WSCoは、クラス関連セマンティクスを補う。 WSCoは一般的なプラグインとして実装することができ、既存のSFODパイプラインと容易に統合できます。
  論文  参考訳（メタデータ） (2024-10-07T23:32:06Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• A Hierarchical Framework with Spatio-Temporal Consistency Learning for Emergence Detection in Complex Adaptive Systems [41.055298739292695]
  複雑な適応システムのグローバルな特性であるEmergenceは、例えばネットワークレベルのトラフィック混雑など、現実世界の動的システムで広く利用されている。 本稿では,システム表現とエージェント表現を学習することで,これら2つの問題を解決するために,CASの時間的一貫性を備えた階層型フレームワークを提案する。 提案手法は,3つのデータセットに対する従来の手法や深層学習法よりも,検出の難しい動作をよく知ることができる。
  論文  参考訳（メタデータ） (2024-01-18T08:55:05Z)
• Investigating Robustness in Cyber-Physical Systems: Specification-Centric Analysis in the face of System Deviations [8.8690305802668]
  サイバー物理システム(CPS)の重要属性は堅牢性であり、安全に運用する能力を示している。 本稿では,特定のシステム要件を満たす上でのコントローラの有効性を特徴付ける,仕様に基づく新しいロバスト性を提案する。 本稿では, 微妙な堅牢性違反を識別するための2層シミュレーションに基づく解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-13T16:44:43Z)

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。