論文の概要: ISIA-AF: Orchestrating Reproducible Attacks and Multi-Source Data Collection for OT Systems
- arxiv url: http://arxiv.org/abs/2609.18196v1
- Date: Wed, 16 Sep 2026 06:31:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.67306
- Title: ISIA-AF: Orchestrating Reproducible Attacks and Multi-Source Data Collection for OT Systems
- Title（参考訳）: ISIA-AF: OTシステムのための再現可能な攻撃とマルチソースデータ収集のオーケストレーション
- Abstract要約: 本稿では,産業システムにおける再現可能な攻撃実行を編成するモジュール型攻撃フレームワークISIA-AFを提案する。
このフレームワークは、分散攻撃クライアントをコーディネートし、ネットワークトラフィックと運用データを記録し、最終的にはマルチソースデータセットに繋がる。
実産業システムとシミュレートされたプロセスからなるISIAテストベッドのケーススタディでは、このフレームワークが集中制御、通信オーバーヘッドの低減、ネットワークセグメント間の柔軟なデプロイメントをどのようにサポートするかを実証している。
- 参考スコア（独自算出の注目度）: 0.4675863182439614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Operational Technology (OT) environments require realistic, reproducible security datasets, yet existing approaches often lack automation, multi-source data capture, and sufficient documentation for reuse. This paper presents ISIA-AF, a modular attack framework for orchestrating reproducible attack execution and automated dataset generation on industrial systems. The framework coordinates distributed attack clients, records network traffic and operational data, ultimately leading to a multi-source dataset. We derive functional and non-functional requirements from prior work and stakeholder discussions, and realise the framework following a design science research approach. A case study on the ISIA testbed, comprising a real industrial system and a simulated process, demonstrates how the framework supports centralised control, low communication overhead, and flexible deployment across network segments. The result is a practical basis for generating extensible, multi-source OT security datasets for intrusion detection research.
- Abstract（参考訳）: 運用技術(OT)環境は現実的で再現可能なセキュリティデータセットを必要とするが、既存のアプローチでは自動化やマルチソースデータキャプチャ、再利用のための十分なドキュメントが欠如していることが多い。
本稿では,産業システム上での再現可能な攻撃実行と自動データセット生成を協調するモジュール型攻撃フレームワークISIA-AFを提案する。
このフレームワークは、分散攻撃クライアントをコーディネートし、ネットワークトラフィックと運用データを記録し、最終的にはマルチソースデータセットに繋がる。
我々は、事前の作業やステークホルダーの議論から機能的・非機能的要件を導き、デザインサイエンス研究のアプローチによる枠組みを実現する。
実産業システムとシミュレートされたプロセスからなるISIAテストベッドのケーススタディでは、このフレームワークが集中制御、通信オーバーヘッドの低減、ネットワークセグメント間の柔軟なデプロイメントをどのようにサポートするかを実証している。
この結果は、侵入検知研究のための拡張可能なマルチソースOTセキュリティデータセットを生成するための実用的な基礎となっている。
関連論文リスト
- Generative AI and Federated Learning for Intrusion Detection Systems: A Survey [2.5971299151274416]
侵入検知システム(IDS)は、ネットワークトラフィックの監視と悪意のある活動の特定に不可欠である。
生成人工知能(AI)と連邦学習(FL)の最近の進歩は、これらの制限に対処する新たな機会を提供する。
この調査は、IDSのための生成AIとFL技術に関する構造化されたレビューを提供する。
論文 参考訳（メタデータ） (2026-07-01T16:37:49Z) - IDDMBSE: Integrating Data-Driven and Model-Based Systems Engineering for Trusted Autonomous Cyber-Physical Systems [3.043506365580073]
モデルベースシステム工学(MBSE)とデータ駆動型機械学習と人工知能(ML/AI)のギャップに対処する。
IDDMBSE(Integrated Data-Driven and Model-Based Systems Engineering)方法論は、厳密なMBSE Vプロセスを拡張し、各ステップでデータ駆動ループを組み込む。
IDDMBSEは,センサスーツの選択,リスクに敏感な経路計画,行動ツリーのタスク検証,コンフォメーション・プレディションに基づく頑健な認識,マルチロボットの協調など,開発ライフサイクルにおける信頼性の高い自律的地上ロボット上で実証する。
論文 参考訳（メタデータ） (2026-06-04T21:22:51Z) - Towards a Data Flywheel for Embodied Intelligence in Logistics [10.629123284028298]
本研究では、ロジスティクスデータフライホイールを構築することにより、産業用インテリジェンスのためのデータ中心のフレームワークについて研究する。
当社のフレームワークは,日常業務を再利用可能なデータ資産に変換し,ワールドモデルを用いて長期パーセル操作の信頼性の高い監視を行い,デプロイメントフィードバックをポリシ改善にフィードバックする。
論文 参考訳（メタデータ） (2026-06-04T09:58:55Z) - Environment-Grounded Multi-Agent Workflow for Autonomous Penetration Testing [0.0]
本稿では,ロボット環境での自動貫入試験における大規模言語モデルの利用について検討する。
本稿では,ロボティクスをベースとした環境調和型マルチエージェントアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-25T11:50:08Z) - 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) - A Wireless Foundation Model for Multi-Task Prediction [50.21098141769079]
多様な予測区間をサポートする無線ネットワークにおけるマルチタスク予測のための統合基盤モデルを提案する。
大規模データセットをトレーニングした後、提案した基礎モデルは、新しいタスクにおいて、目に見えないシナリオとゼロショットのパフォーマンスに強力な一般化を示す。
論文 参考訳（メタデータ） (2025-07-08T12:37:55Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning [2.2457306746668766]
本研究は,ICS環境におけるネットワークデータとプロセスデータの組み合わせによる攻撃検出の改善について検討する。
この結果から,ネットワークトラフィックと運用プロセスデータの統合により,検出能力が向上することが示唆された。
結果は有望だが、彼らは予備的であり、さらなる研究の必要性を強調している。
論文 参考訳（メタデータ） (2024-10-25T17:41:33Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z)
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。