論文の概要: AIRO: A Streaming-Based Machine Learning Framework for Threat Detection and Security in Industrial Internet of Things
- arxiv url: http://arxiv.org/abs/2610.30713v1
- Date: Thu, 22 Oct 2026 04:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.211811
- Title: AIRO: A Streaming-Based Machine Learning Framework for Threat Detection and Security in Industrial Internet of Things
- Title（参考訳）: AIRO: 産業用IoTにおける脅威検出とセキュリティのためのストリーミングベースの機械学習フレームワーク
- Abstract要約: AIRO(Autonomous Intelligence-Driven Cybersecurity Risk Re-duction System)は、IIoT監視と応答のための効率的なフレームワークである。
AIROはApache Kafkaストリーミング、アタック固有の機能抽出、マシンラーニング(ML)推論、信頼性ベースの決定ロジック、インターネットプロトコル(IP)ブロッキングなどのリスク低減対策を組み合わせたものだ。
- 参考スコア（独自算出の注目度）: 10.487137793465644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern Industrial Internet of Things (IIoT) im- plementations now connect edge gateways, cloud dashboards and business applications. This improves visibility and remote monitoring. However it simultaneously exposes industrial traffic to various cyber threats including scanning, web attacks and Structured Query Language (SQL) injection (SQLi), phishing- driven credential theft, and command-and-control (C2) activity. Although rule-based tools remain useful for detecting known signatures, their efficacy decreases with minimally altered attacks or when alerts require manual investigation. This paper presents AIRO (Autonomous Intelligence-Driven Cybersecurity Risk Re- duction System), an efficient framework for IIoT monitoring and response. AIRO combines Apache Kafka streaming, attack- specific feature extraction, machine learning (ML) inference, confidence-based decision logic and risk reduction measures such as Internet Protocol (IP) blocking, account suspension and traffic limiting. We developed four specialized datasets for C2 beaconing, reconnaissance, SQLi, and phishing to evaluate AIRO. These datasets include noisy and overlapping characteristic distribu- tions to minimize label leakage. The best-performing models, primarily Gradient Boosting and LightGBM, achieve F1-scores up to 0.9229 while ensuring low-latency from event input to mitigation
- Abstract（参考訳）: 現代の産業用IoT(Industrial Internet of Things)は、エッジゲートウェイ、クラウドダッシュボード、ビジネスアプリケーションと接続する。
これにより、可視性とリモート監視が改善される。
しかし同時に、スキャン、Web攻撃、構造化クエリ言語(SQLi)インジェクション(SQLi)、フィッシング駆動のクレデンシャル盗難、コマンド・アンド・コントロール(C2)アクティビティなど、さまざまなサイバー脅威に産業トラフィックを公開している。
ルールベースのツールは、既知のシグネチャを検出するのに有用であるが、その効果は最小限の変更による攻撃や、手動による調査を必要とする場合には減少する。
本稿では,IIoTモニタリングと応答のための効率的なフレームワークであるAIRO(Autonomous Intelligence-Driven Cybersecurity Risk Re- duction System)を提案する。
AIROはApache Kafkaストリーミング、アタック固有の機能抽出、マシンラーニング(ML)推論、信頼性ベースの決定ロジック、インターネットプロトコル(IP)ブロッキング、アカウントサスペンション、トラフィック制限などのリスク低減対策を組み合わせたものだ。
我々は,AIROを評価するために,C2ビーコン,偵察,SQLi,フィッシングの4つの特別なデータセットを開発した。
これらのデータセットには、ラベルのリークを最小限に抑えるため、ノイズや重なり合う特性のDistribu-tionが含まれている。
最高のパフォーマンスモデル、主にGradient BoostingとLightGBMは、F1スコアを最大0.9229まで達成し、イベント入力から緩和までの低レイテンシを保証する。
関連論文リスト
- Benchmarking Large Language Models for Zero-shot and Few-shot Phishing URL Detection [0.0]
偽のURLは、サイバー犯罪者による生成AIの普及により、前例のない高度化に達している。
フィッシング量は2022年以来4000%以上増加しており、検出を回避している攻撃は50%近く増加している。
我々は、ゼロショットと少数ショットのプロンプトを統一したフレームワークでLLMのベンチマークを示す。
論文 参考訳（メタデータ） (2026-02-02T18:56:06Z) - CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。
CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。
このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
論文 参考訳（メタデータ） (2026-01-14T23:06:35Z) - Web Technologies Security in the AI Era: A Survey of CDN-Enhanced Defenses [0.28106259549258145]
このサーベイは、エッジに展開されるAI強化された防御の風景を合成する。
我々は、より広範なWebアプリケーションおよびAPI保護(WAAP)の中で、異常および行動に基づくWebアプリケーションファイアウォール(WAF)に焦点を当てる。
我々は、XAI、敵対的堅牢性、自律的マルチエージェント防衛にまたがる研究課題を結論付けた。
論文 参考訳（メタデータ） (2025-12-06T10:42:14Z) - Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。
敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
論文 参考訳（メタデータ） (2025-10-03T12:47:21Z) - A Systematization of Security Vulnerabilities in Computer Use Agents [1.3560089220432787]
我々は、現実のCUAのシステム的脅威分析と、敵条件下でのテストを行う。
CUAパラダイム特有のリスクのクラスを7つ同定し、3つの具体的なエクスプロイトシナリオを詳細に分析する。
これらのケーススタディは、現在のCUA実装にまたがるより深いアーキテクチャ上の欠陥を明らかにします。
論文 参考訳（メタデータ） (2025-07-07T19:50:21Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - Rogue Cell: Adversarial Attack and Defense in Untrusted O-RAN Setup Exploiting the Traffic Steering xApp [24.941343115166436]
Open Radio Access Network (O-RAN)アーキテクチャは、オープンでマルチベンダの設計とAIによる管理によって、携帯電話ネットワークに革命をもたらしている。
これまでの研究では、O-RANの知的コンポーネントから生じる脆弱性を主に調査してきた。
本稿では,単一演算子からマルチ演算型RANアーキテクチャへ移行した際のセキュリティ問題と脆弱性に着目する。
論文 参考訳（メタデータ） (2025-05-03T13:19:44Z) - EXPLICATE: Enhancing Phishing Detection through Explainable AI and LLM-Powered Interpretability [44.2907457629342]
EXPLICATEは、三成分アーキテクチャによるフィッシング検出を強化するフレームワークである。
既存のディープラーニング技術と同等ですが、説明性が向上しています。
自動AIとフィッシング検出システムにおけるユーザ信頼の重大な隔たりに対処する。
論文 参考訳（メタデータ） (2025-03-22T23:37:35Z) - System-level Analysis of Adversarial Attacks and Defenses on Intelligence in O-RAN based Cellular Networks [2.1824191810542666]
オープンラジオアクセスネットワーク技術におけるサイバー脅威のシステムレベルでの徹底的な調査を行う。
我々は、O-RANのほぼリアルタイムRAN Intelligent Controller(近RT RIC)プラットフォーム内のxAppsとして知られる機械学習(ML)インテリジェンスコンポーネントに焦点を当てる。
我々の研究は、2種類のテストデータに対する敵対攻撃を実行するために設計された悪質なxAppの開発から始まった。
これらの脅威を緩和するために,教師モデルを高いソフトマックス温度で訓練し,その知識を低いソフトマックス温度で訓練された学生モデルに伝達する蒸留技術を利用する。
論文 参考訳（メタデータ） (2024-02-10T00:26:44Z)
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。