論文の概要: Physics-Constrained Digital Twins for Sensor Integrity in Urban Pedestrian Flow: Detecting Stealthy False Data Injection with Conformal Guarantees
- arxiv url: http://arxiv.org/abs/2609.17635v1
- Date: Tue, 15 Sep 2026 11:16:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.466949
- Title: Physics-Constrained Digital Twins for Sensor Integrity in Urban Pedestrian Flow: Detecting Stealthy False Data Injection with Conformal Guarantees
- Title（参考訳）: 都市ペデストリアン流れにおけるセンサインテリジェンスのための物理拘束型ディジタル双生児:コンフォーマル保証者による定常偽データ注入の検出
- Abstract要約: 都市規模歩行者センシングのためのステルス偽データ注入法を定式化する。
私たちの双子の見積もりは、学習したグラフ局所的なゲインを通じて、歩行者ストリートグラフ上の流れを同化します。
アラーム閾値は、手でではなく適応的な等角キャリブレーションによって設定される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: City pedestrian counting systems now feed economic indicators, planning decisions and safety operations, yet the twins built on top of them treat the incoming stream as ground truth. We study what happens when it is not. We formalise stealthy false data injection for city-scale pedestrian sensing, where the map from latent flow to observation is far more rank deficient than in the power and water networks for which stealth has been characterised. Our twin estimates directed flows on the pedestrian street graph, assimilates counts through a learned graph-localised gain, and is trained against a flow conservation residual that couples metered and unmetered segments. Detection combines the innovation with that residual, and the alarm threshold is set by adaptive conformal calibration rather than by hand. To measure what the physics buys, we define the attack margin, the relative reduction in worst-case corruption of the estimated flow field, achieved against a white-box adversary that optimises directly through the twin. On six years of Melbourne data the margin reaches 0.54 against a single compromised device and falls to 0.19 when a third of the fleet is compromised, on a network where only 1.18 per cent of walkable segments are metered. Replacing the street graph by a distance graph collapses it to 0.09, which shows that the gain comes from the conservation law rather than from locality.
- Abstract（参考訳）: 都市歩行者計数システムは現在、経済指標、計画決定、安全操作を供給しているが、その上に構築された双子は、入ってくる川を真実として扱う。
私たちはそうでないときに何が起こるか研究する。
我々は,都市規模の歩行者センシングにおいて,潜水から観測までの地図が,ステルスが特徴付けられる電力や水道網よりもはるかに不整合であるステルス偽データ注入を定式化した。
我々の2つの推定では、歩行者の街路グラフ上の流れを推定し、学習したグラフの局所的なゲインを同化し、計測されたセグメントと未測定セグメントを結合するフロー保存残差に対して訓練する。
検出はイノベーションをその残差と組み合わせ、アラーム閾値は手ではなく適応型等角キャリブレーションによって設定される。
物理が何を買うかを測定するため、推定流れ場の最悪ケースの相対的な低下である攻撃マージンを定義し、双生児を通して直接最適化するホワイトボックスの敵に対して達成する。
メルボルンの6年間のデータでは、1つの妥協された装置に対して0.54に達し、艦隊の3分の1が妥協した場合は0.19に落ち、歩行可能なセグメントの1.18パーセントしか計測されていない。
距離グラフでストリートグラフを置き換えると0.09に崩壊し、局所性ではなく保存法則から得られる利得を示している。
関連論文リスト
- Concept drift mitigation through community and spectral graph analysis for the detection of cyberattacks in network traffic [1.3999481573773072]
検出モデルとは独立に各特徴に対して定義された安定性スコアであるt-robustnessを導入する。
特徴の連続した統計状態間のステップバイステップ距離と、その初期状態からの累積的なばらつきを組み合わせ、遅い単調なドリフトが安定性を損なうことができない。
評価はUGR16データセット上で行われ、3つの学習シナリオとコントロールシナリオにまたがる。
論文 参考訳（メタデータ） (2026-09-08T20:51:00Z) - Physics-Informed CNN-LSTM for Street-Scale Urban Flood Prediction: Reconciling Aggregate Accuracy and Street-Level Plausibility [4.789111524845274]
平均二乗誤差損失で訓練されたディープラーニングサロゲートモデルは、統計的に正確だが物理的に制約のない洪水予測を生成する。
我々は,CNN-LSTMモデルの物理インフォームドトレーニングフレームワークを開発し,128×128の空間格子上で15分間隔で都市洪水深度を予測する。
論文 参考訳（メタデータ） (2026-07-27T23:46:25Z) - Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。
擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。
本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
論文 参考訳（メタデータ） (2026-07-08T18:23:48Z) - Pedestrian Crossing Intent Prediction via Psychological Features and Transformer Fusion [6.689013818004752]
歩行者意図予測のための軽量・社会的情報アーキテクチャを提案する。
ハイウェイエンコーダ、コンパクト 4-token Transformer、グローバル セルフアテンション プーリングを使って、4つの行動ストリーム(アテンション、位置、状況、相互作用)を融合する。
提案手法は、モダリティに依存しない、ビジョン言語パイプラインとの統合が容易で、リソース制約のあるプラットフォーム上でのリスク認識の意図予測に適している。
論文 参考訳（メタデータ） (2026-03-20T00:19:34Z) - When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。
PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
論文 参考訳（メタデータ） (2026-02-21T07:22:37Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳（メタデータ） (2026-02-19T08:31:16Z) - Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids [2.721477719641864]
本稿では,時間的ウィンドウ上で物理層と行動指標を融合させて受動的攻撃を検出するグラフ中心型マルチモーダル検出器を提案する。
テスト精度は98.32%、シーケンス毎の93.35%を0.15% FPRで達成している。
論文 参考訳（メタデータ） (2025-09-29T08:52:30Z) - Cluster-Aware Attacks on Graph Watermarks [50.19105800063768]
本稿では,コミュニティ誘導型修正を回避できるクラスタ・アウェア・脅威モデルを提案する。
その結果,クラスタ・アウェア・アタックは,ランダムなベースラインよりも最大80%の精度でアトリビューション精度を低下させることができることがわかった。
グラフコミュニティにまたがる透かしノードを分散する軽量な埋め込み拡張を提案する。
論文 参考訳（メタデータ） (2025-04-24T22:49:28Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - Promoting Connectivity of Network-Like Structures by Enforcing Region
Separation [101.10228007363673]
本稿では,ネットワークのような構造を再構築するために,深い畳み込みネットワークをトレーニングするための接続性指向の損失関数を提案する。
私たちの喪失の背後にある主な考え方は、画像の背景領域間で発生する断線の観点から、道路や運河の接続性を表現することです。
2つの標準的な道路ベンチマークと、新しい灌水用運河のデータセットの実験において、損失関数で訓練されたコンブネットが道路接続を回復できることが示されている。
論文 参考訳（メタデータ） (2020-09-15T12:21:35Z)
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。