Fugu-MT 論文翻訳(概要): Learning Intrusion Response Strategies for OT Systems

論文の概要: Learning Intrusion Response Strategies for OT Systems

arxiv url: http://arxiv.org/abs/2609.10298v1
Date: Wed, 09 Sep 2026 15:12:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:09.076445
Title: Learning Intrusion Response Strategies for OT Systems
Title（参考訳）: OTシステムの侵入応答戦略の学習
Abstract要約: 本稿では,POMDPフレームワークを用いたOT侵入応答ユースケースの形式モデルを提案する。交通量測定に基づく部分観測可能性の現実的なモデルを含む。我々は,エミュレートされたOTシステム上で得られた応答戦略を評価し,いくつかの種類のMITRE攻撃に対して有効であることを確認した。
参考スコア（独自算出の注目度）: 0.8594140167290097
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Cyberattacks against Operational Technology (OT) systems, which monitor and control industrial processes, pose an increasing threat to essential societal services. For this reason, developing automated intrusion response strategies is highly important. In this paper, we present a formal model of an OT intrusion response use case using the POMDP framework. It includes a realistic model of partial observability that is based on traffic measurements. This approach allows us to develop tractable, learning-based solution methods for automated intrusion response, which are based on PPO. We evaluate the obtained response strategies on an emulated OT system and find that they are effective against several types of MITRE attacks for the studied use case.
Abstract（参考訳）: 産業プロセスを監視し制御するオペレーショナル・テクノロジー(OT)システムに対するサイバー攻撃は、不可欠な社会サービスに対する脅威を増大させる。そのため、自動侵入応答戦略の開発は極めて重要である。本稿では,POMDPフレームワークを用いたOT侵入応答ユースケースの形式モデルを提案する。交通量測定に基づく部分観測可能性の現実的なモデルを含む。このアプローチにより,PPOに基づく自動侵入応答のための,抽出可能な学習型解法の開発が可能となる。本研究は,エミュレートされたOTシステム上で得られた応答戦略を評価した結果,複数の種類のMITRE攻撃に対して有効であることが判明した。

関連論文リスト

AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration [49.050688065974605]
メンバーシップ推論攻撃(MIAs)は、機械学習モデルにおけるトレーニングデータの漏洩を評価するための基本的な監査ツールである。本稿では,自己探索と戦略進化の自動化プロセスとして,メンバーシップ推論を再構築するエージェントフレームワークであるAutoMIAを提案する。
論文参考訳（メタデータ） (2026-04-01T15:17:45Z)
In-Context Autonomous Network Incident Response: An End-to-End Large Language Model Agent Approach [3.733830491643117]
我々は,大規模言語モデルの事前訓練されたセキュリティ知識とコンテキスト内学習を活用して,インシデント対応計画のためのエンドツーエンドのエージェントソリューションを作成することを提案する。具体的には、認識、推論、計画、行動の4つの機能を1つの軽量LCM(14bモデル)に統合する。我々のエージェントは、フロンティアLSMよりも最大で23%早く回復できる。
論文参考訳（メタデータ） (2026-02-13T18:09:30Z)
Baiting AI: Deceptive Adversary Against AI-Protected Industrial Infrastructures [13.191612618343099]
本稿では,産業制御システム(ICS)を対象とした新しいサイバー攻撃ベクトルについて検討する。我々の研究は、この攻撃戦略の堅牢性を明らかにし、DRLモデルが敵の目的のために操作される可能性に光を当てている。
論文参考訳（メタデータ） (2026-01-13T12:12:47Z)
A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
近年の研究では、敵が対象モデルの機能を複製できることが示されている。モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
論文参考訳（メタデータ） (2025-08-20T19:49:59Z)
Searching for Privacy Risks in LLM Agents via Simulation [61.229785851581504]
本稿では,プライバシクリティカルなエージェントインタラクションのシミュレーションを通じて,攻撃と防御戦略の改善を交互に行う検索ベースのフレームワークを提案する。攻撃戦略は、直接の要求から、不正行為や同意偽造といった高度な戦術へとエスカレートする。発見された攻撃と防御は、さまざまなシナリオやバックボーンモデルにまたがって伝達され、プライバシーに配慮したエージェントを構築するための強力な実用性を示している。
論文参考訳（メタデータ） (2025-08-14T17:49:09Z)
A Survey on Model Extraction Attacks and Defenses for Large Language Models [55.60375624503877]
モデル抽出攻撃は、デプロイされた言語モデルに重大なセキュリティ脅威をもたらす。この調査は、抽出攻撃と防御攻撃の包括的分類、機能抽出への攻撃の分類、データ抽出の訓練、およびプロンプトターゲット攻撃を提供する。モデル保護,データプライバシ保護,迅速なターゲット戦略に編成された防御機構について検討し,その効果を異なる展開シナリオで評価する。
論文参考訳（メタデータ） (2025-06-26T22:02:01Z)
A Survey of Model Extraction Attacks and Defenses in Distributed Computing Environments [55.60375624503877]
モデル抽出攻撃(MEA)は、敵がモデルを盗み、知的財産と訓練データを公開することによって、現代の機械学習システムを脅かす。この調査は、クラウド、エッジ、フェデレーションのユニークな特性がどのように攻撃ベクトルや防御要件を形作るのかを、緊急に理解する必要に起因している。本研究は, 自動運転車, 医療, 金融サービスといった重要な分野において, 環境要因がセキュリティ戦略にどう影響するかを実証し, 攻撃手法と防衛機構の進化を系統的に検討する。
論文参考訳（メタデータ） (2025-02-22T03:46:50Z)
Adversarial Attacks and Defenses in Fault Detection and Diagnosis: A Comprehensive Benchmark on the Tennessee Eastman Process [39.677420930301736]
機械学習をACS(Automated Control Systems)に統合することで、産業プロセス管理における意思決定が促進される。これらの技術を広く採用する際の制限の1つは、敵の攻撃に対するニューラルネットワークの脆弱性である。本研究では、テネシー・イーストマン・プロセス・データセットを用いて、ACSにおける障害診断のためのディープラーニングモデルをデプロイする際の脅威について検討する。
論文参考訳（メタデータ） (2024-03-20T10:59:06Z)
Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
6-DoF操作設定に合わせたデータ収集システムを構築します。システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
論文参考訳（メタデータ） (2020-12-12T05:30:35Z)
Automated Adversary Emulation for Cyber-Physical Systems via Reinforcement Learning [4.763175424744536]
我々は,サイバー物理システムに対する敵エミュレーションに対するドメイン認識の自動化手法を開発した。我々は、マルコフ決定プロセス(MDP)モデルを定式化し、ハイブリッドアタックグラフ上で最適なアタックシーケンスを決定する。モデルベースおよびモデルフリー強化学習(RL)法を用いて,離散連続型MDPをトラクタブルな方法で解く。
論文参考訳（メタデータ） (2020-11-09T18:44:29Z)

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。