論文の概要: Denial of Service Attacks on Beam Allocation in Large LEO Constellations
- arxiv url: http://arxiv.org/abs/2610.34631v1
- Date: Sun, 25 Oct 2026 23:08:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.650362
- Title: Denial of Service Attacks on Beam Allocation in Large LEO Constellations
- Title（参考訳）: 大型LEOコンステレーションにおけるビームアロケーションに対するサービスアタックの否定
- Abstract要約: 大規模低地球軌道(LEO)衛星コンステレーションにおけるビームアロケーションアプローチの脆弱性について検討し,サービス停止攻撃を招いた対外需要インフレーションについて検討した。
敵が追加の端末を配置(注入)する攻撃モデルについて検討し,これらのアタックをグリーディおよび最大ミニフェアビームアロケーションアルゴリズムに対して評価する。
- 参考スコア（独自算出の注目度）: 2.5782378565032076
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We study the vulnerability of beam allocation approaches in large low-Earth-orbit (LEO) satellite constellations to adversarial demand inflation resulting in denial-of-service attacks. We consider an attack model in which an adversary places (injects) additional terminals and evaluate these attacks against greedy and max-min-fair beam allocation algorithms, each combined with either equal or demand-proportional intra-cell capacity sharing. Vulnerability is measured using mean demand satisfaction, coverage, and the fraction of legitimate users receiving at least a threshold fraction of their requested capacity under several attack heuristics. There is a trade-off for the system between robustness and performance, meaning the algorithm with the most vulnerability to the attacks (greedy-proportional) has the highest performance before the attacks. Demand-proportional sharing increases the fraction of under-served users up to 34% under both allocation algorithms, whereas equal sharing limits the increase up to 13%. The sharing rule also changes the most damaging attack allocation in nearly all cases: demand-proportional sharing rewards concentrating injected terminals in the most loaded cells, while equal sharing performs better when distributing these terminals across the least loaded cells. Furthermore, the max-min-fair beam allocation algorithm forces the attacker to use a higher number of targeted cells to result in extensive damage to the system.
- Abstract（参考訳）: 大規模低地球軌道(LEO)衛星コンステレーションにおけるビームアロケーションアプローチの脆弱性について検討し,サービス停止攻撃を招いた対外需要インフレーションについて検討した。
敵が追加の端末を配置(注入)し、これらのアタックを欲しがりと極小のビームアロケーションアルゴリズムに対して評価する攻撃モデルを考える。
脆弱性は、平均需要満足度、カバレッジ、およびいくつかの攻撃ヒューリスティックスの下で要求されたキャパシティの少なくともしきい値を受け取る正当なユーザの割合を用いて測定される。
システムの堅牢性とパフォーマンスのトレードオフがあるため、攻撃に対して最も脆弱なアルゴリズム(greedy-proportional)は、攻撃前に最もパフォーマンスが高い。
需要均等な共有は、どちらのアロケーションアルゴリズムでも、サービス不足のユーザの割合を34%まで増加させ、一方、均等な共有は13%に制限する。
ほぼすべてのケースにおいて、最も被害を被る攻撃割り当ても変更されている。最も負荷の少ないセルでインジェクションされた端末を集中する需要分布共有報酬と、これらの端末を最も負荷の少ないセルに分散する際の均等な共有は、より優れている。
さらに、最大周波ビーム割り当てアルゴリズムは、攻撃者により多くの標的細胞を使用することで、システムに大きなダメージを与える。
関連論文リスト
- TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。
我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。
我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
論文 参考訳（メタデータ） (2026-04-30T13:44:01Z) - Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving [13.01958433711007]
プリオーダー型多目的MDP(Pr-MOMDP)を導入する。
Pr-MOMDPは、スカラー信号ではなく、目的の階層に関するアクションの推論を可能にする。
分布RLを新しいペアワイズ比較計量であるQuantile Dominance (QD) で拡張し、単一の統計量に還元することなく、アクションリターン分布を評価する。
論文 参考訳（メタデータ） (2026-03-06T05:00:48Z) - AdvEvo-MARL: Shaping Internalized Safety through Adversarial Co-Evolution in Multi-Agent Reinforcement Learning [78.5751183537704]
AdvEvo-MARLは、タスクエージェントに安全性を内部化する、共進化型マルチエージェント強化学習フレームワークである。
外部ガードに頼るのではなく、AdvEvo-MARLは攻撃者と防御者を共同で最適化する。
論文 参考訳（メタデータ） (2025-10-02T02:06:30Z) - Phantom Subgroup Poisoning: Stealth Attacks on Federated Recommender Systems [34.21029914973687]
フェデレートされたレコメンデーションシステム(FedRec)は、パーソナライズされたレコメンデーションを提供するための有望なソリューションとして登場した。
既存の攻撃は通常、ユーザグループ全体を対象としており、ステルスを妥協し、検出のリスクを増大させる。
特定のユーザサブグループのレコメンデーションを操作するために設計された最初の標的毒殺攻撃であるSp attackを導入する。
論文 参考訳（メタデータ） (2025-07-07T09:40:16Z) - Capability-Based Scaling Laws for LLM Red-Teaming [71.89259138609965]
従来のプロンプト・エンジニアリングのアプローチは、レッド・チーム化が弱々しく強い問題となると、効果が低下する可能性がある。
我々は,LLMをベースとしたアタッカー・ターゲットペア500以上を,人間のレッドチームの模倣したジェイルブレイク攻撃を用いて評価した。
我々は、攻撃目標能力のギャップに基づいて、固定目標に対する攻撃成功を予測するジェイルブレイクスケーリング法を導出する。
論文 参考訳（メタデータ） (2025-05-26T16:05:41Z) - Advancing Generalized Transfer Attack with Initialization Derived Bilevel Optimization and Dynamic Sequence Truncation [49.480978190805125]
転送攻撃はブラックボックスアプリケーションに大きな関心を惹きつける。
既存の作業は、本質的に単一のレベルの目的 w.r.t. シュロゲートモデルを直接最適化する。
本稿では,上位レベル(UL)と下位レベル(LL)のサロゲート攻撃とのネスト関係を明示的に再構築する2レベル最適化手法を提案する。
論文 参考訳（メタデータ） (2024-06-04T07:45:27Z) - SUB-PLAY: Adversarial Policies against Partially Observed Multi-Agent Reinforcement Learning Systems [40.91476827978885]
攻撃者は被害者の脆弱性を迅速に悪用し、特定のタスクの失敗につながる敵のポリシーを生成する。
部分観測可能性の影響を軽減するために,複数のサブゲームを構築するという概念を取り入れた新しいブラックボックス攻撃(SUB-PLAY)を提案する。
我々は,敵対的政策によるセキュリティの脅威を軽減するための3つの防衛策を評価する。
論文 参考訳（メタデータ） (2024-02-06T06:18:16Z) - Optimal Cost Constrained Adversarial Attacks For Multiple Agent Systems [6.69087470775851]
分散攻撃エージェントを用いた最適な敵エージェント対エージェント攻撃を行うという問題を定式化する。
そこで本稿では,静的制約付き攻撃-リソース割り当て最適化と動的プログラミングの段階間最適化を組み合わせた最適手法を提案する。
以上の結果から,攻撃エージェントが受ける報酬を大幅に削減できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-01T21:28:02Z) - Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。
MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。
我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文 参考訳（メタデータ） (2023-10-18T11:36:42Z) - G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks
through Attributed Client Graph Clustering [116.4277292854053]
Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。
FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。
本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:15:04Z) - Auditing Membership Leakages of Multi-Exit Networks [24.993435293184323]
マルチエグジットネットワークの最初のプライバシ分析は、会員情報漏洩のレンズを用いて行う。
本稿では,既存の攻撃の性能向上のため,出口情報を利用したハイブリッド攻撃を提案する。
マルチエグジットネットワークに特化してTimeGuardという防衛機構を提案し,TimeGuardが新たに提案した攻撃を完璧に軽減することを示す。
論文 参考訳（メタデータ） (2022-08-23T20:16:19Z)
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。