論文の概要: Temporal and Multimodal Deep Learning for Cyberattack Detection in LEO Satellite Systems

• arxiv url: http://arxiv.org/abs/2609.10746v1
• Date: Wed, 09 Sep 2026 18:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.113694
• Title: Temporal and Multimodal Deep Learning for Cyberattack Detection in LEO Satellite Systems
• Title（参考訳）: LEO衛星システムにおけるサイバー攻撃検出のための時間・マルチモーダル深層学習
• Abstract要約: 衛星システムは、無線周波数(RF)リンク、オンボードハードウェア、軌道操作にまたがる異種情報を生成する。 既存のアプローチは、地上からの侵入データセットに依存するか、個々の観測を独立して評価する。 我々は、最近導入された衛星固有のRF-SATデータセットを用いて、ディープラーニングに基づくサイバー攻撃検出の系統的研究を行う。
• 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 growing reliance on Low-Earth Orbit (LEO) satellite communication systems has increased the need for intelligent methods capable of detecting cyberattacks across complex and dynamic space environments. Unlike conventional network intrusion detection, satellite systems generate heterogeneous information across radio-frequency (RF) links, onboard hardware, and orbital operations. However, many existing approaches either rely on terrestrial intrusion datasets or evaluate individual observations independently, limiting their ability to capture temporal attack behavior specific to LEO satellites. In this work, we conduct a systematic study of deep-learning-based cyberattack detection using the recently introduced satellite-specific UNSW-IoTSAT dataset. We investigate structured learning architectures that preserve hardware, orbital, and RF information, including a Subsystem-Fusion MLP and a hierarchical multimodal Transformer that models both cross-subsystem interactions and temporal evolution. We further evaluate leakage-resistant row-level and temporal settings, along with cross-satellite generalization, to characterize how model architecture and evaluation protocol influence satellite cyberattack detection. Experimental results demonstrate the value of structured multimodal modeling and rigorous evaluation, with the hierarchical Transformer achieving up to 91.66% accuracy and 85.63% macro F1 under the leakage-resistant evaluation protocol.
• Abstract（参考訳）: 低地球軌道(LEO)衛星通信システムへの依存度が高まるにつれ、複雑な宇宙環境やダイナミックな環境におけるサイバー攻撃を検出するインテリジェントな方法の必要性が高まっている。 従来のネットワーク侵入検出とは異なり、衛星システムは無線周波数(RF)リンク、オンボードハードウェア、軌道操作を含む異種情報を生成する。 しかし、既存の多くのアプローチは、地上からの侵入データセットに依存するか、個々の観測を個別に評価し、LEO衛星特有の時間的攻撃行動を捉える能力を制限している。 本研究では、最近導入された衛星固有のUNSW-IoTSATデータセットを用いて、ディープラーニングによるサイバー攻撃検出の系統的研究を行う。 本稿では,サブシステム間相互作用と時間的進化の両方をモデル化したサブシステム融合MLPと階層型マルチモーダルトランスを含む,ハードウェア,オービタル,RF情報を保存する構造化学習アーキテクチャについて検討する。 さらに, 耐リーク性を有する行レベルと時間的設定, およびクロスサテライトの一般化を評価し, モデルアーキテクチャと評価プロトコルが衛星サイバー攻撃検出にどのように影響するかを特徴付ける。 階層変換器は91.66%の精度と85.63%のマクロF1をリーク耐性評価プロトコルで達成し、構造化マルチモーダルモデリングと厳密な評価を行った。

関連論文リスト

• 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)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Learning Satellite Pattern-of-Life Identification: A Diffusion-based Approach [10.811177660290726]
  衛星の挙動をモニターする現在のアプローチは、専門家の知識と低スケールのルールベースのシステムに依存している。 本稿では, 専門知識への依存を著しく排除する, 衛星パタン・オブ・ライフ(PoL)識別のための新しい生成手法を提案する。 実際の衛星データを用いたケーススタディでは、運用行動パターンの識別、追跡の強化、空間状況認識に対するアプローチの変容の可能性が確認されている。
  論文  参考訳（メタデータ） (2024-12-14T12:39:19Z)
• Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
  本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。 軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。 提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
  論文  参考訳（メタデータ） (2024-04-02T11:59:58Z)
• Deep learning approach for interruption attacks detection in LEO satellite networks [0.0]
  本研究の目的は、深層学習アルゴリズムを用いた低地球軌道(textsfLEO)衛星ネットワークの割り込み検出戦略を提供することである。 我々は、MLP(Multi Layer Perceptron)、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、Gated Recurrent Units(GRU)など、さまざまなディープラーニングアルゴリズムをテストする。
  論文  参考訳（メタデータ） (2022-12-10T21:21:14Z)
• Olive Branch Learning: A Topology-Aware Federated Learning Framework for Space-Air-Ground Integrated Network [19.059950250921926]
  SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。 まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。 我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
  論文  参考訳（メタデータ） (2022-12-02T14:51:42Z)
• Artificial Intelligence Techniques for Next-Generation Mega Satellite Networks [37.87439415970645]
  本稿では,地球規模の衛星ネットワーク,特に大規模衛星ネットワーク通信におけるAI技術の適用について紹介する。 巨大な衛星ネットワークのユニークな特徴を詳述し、現在の通信インフラへの統合と相容れない課題を詳述する。 これには、高度にダイナミックなラジオチャンネル、スペクトルセンシングと分類、信号検出と復調、衛星間および衛星アクセスネットワーク最適化、ネットワークセキュリティの予測にAIを適用することが含まれる。
  論文  参考訳（メタデータ） (2022-06-02T13:56:32Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Intermittent Jamming against Telemetry and Telecommand of Satellite Systems and A Learning-driven Detection Strategy [1.4620086904601468]
  物理層のセキュリティ欠陥は、衛星システムのサイバー物理的性質を考慮して、概念的な枠組みで対処される。 学習駆動型検出方式を提案し,軽量畳み込みニューラルネットワーク(CNN)を設計した。 その結果,提案手法を用いて衛星システムに対する欠陥攻撃を検出することができた。
  論文  参考訳（メタデータ） (2021-07-10T17:04:22Z)

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。