論文の概要: PairWatch: Pair-Aware Anomaly Transformer for Detecting Adversarial Rendezvous in Public Satellite Catalogs
- arxiv url: http://arxiv.org/abs/2610.39679v1
- Date: Thu, 29 Oct 2026 09:27:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:59:17.626946
- Title: PairWatch: Pair-Aware Anomaly Transformer for Detecting Adversarial Rendezvous in Public Satellite Catalogs
- Title（参考訳）: PairWatch:パブリック衛星カタログにおける対向レンズ検出のためのペア対応異常変圧器
- Abstract要約: PairWatchはペア認識のAnomalyTransformerで、前者は相対運動の特徴に対して対称な幾何学的類似性で強調されている。
我々は、11の文書化されたRPOイベント、100のClohessy-Wiltshire合成逆窓、および5クラスのハードネガティブセットにまたがるパブリックスペーストラックデータから、359のウィンドウのオープンベンチマークを公表した。
- 参考スコア（独自算出の注目度）: 10.858696101371038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Documented adversarial rendezvous and proximity operations (RPO) appear in the public TLE catalog, yet existing TLE-based maneuver detectors treat each satellite in isolation - mistaking routine station-keeping for adversarial behavior and missing RPO entirely when the target stays passive. We argue that the right unit is the satellite pair and the right inductive bias is the kinematic symmetry between approach and recede. We instantiate both with PairWatch, a pair-aware AnomalyTransformer whose attention prior is augmented with a sign-symmetric geometric similarity over relative-motion features, and release an open benchmark of 359 windows from public Space-Track data spanning 11 documented RPO events, 100 Clohessy-Wiltshire synthetic adversarial windows, and a five-class hard-negative set culminating in the TerraSAR-X / TanDEM-X helix formation. Under the deployment-relevant criterion of a single threshold separating real RPO from operational negatives - a necessary property for catalog-scale screening - PairWatch is the only model that succeeds, with the property holding in 100% of bootstrap resamples versus 0-19.5% for three neural baselines and under 0.1% for four physics-informed detectors. A per-source analysis exposes a shortcut-learning failure mode of single-number AUROC: simpler baselines attain higher overall AUROC by shortcutting a synthetic-vs-formation contrast with no operational meaning; removing this single cell flips the test ranking entirely (LSTM-AD), and these baselines fail the security-relevant task the benchmark was built to measure.
- Abstract（参考訳）: 文書化された敵のランデブーと近接作戦(RPO)は公共のTLEカタログに載っているが、既存のTLEベースの機動探知機はそれぞれの衛星を単独で処理している。
右単位は衛星対であり、右帰納バイアスは接近と後退の間の運動対称性であると主張する。
PairWatchとペア認識のAnomalyTransformerは、前もって、相対運動特徴よりも対称的な記号対称的類似性で強調され、11のドキュメント付きRPOイベントにまたがるパブリックスペーストラックデータから359のウィンドウのオープンベンチマーク、100のClhessy-Wiltshire合成逆窓、TerraSAR-X/TandDEM-Xヘリックス形成で終わる5クラスのハード負集合を解放する。
実際のRPOを運用上の負から分離する単一しきい値(カタログスケールのスクリーニングに必要な特性)のデプロイメント関連基準の下では、PairWatchのみが成功し、ブートストラップのリサンプルの100%を保有するが、3つの神経ベースラインでは0-19.5%、物理インフォームド検出器では0.1%以下である。
ソース毎の分析では、シングルナンバーのAUROCのショートカット学習障害モードが公開されている: 単純なベースラインは、合成vsフォームのコントラストを運用上の意味なくショートカットすることで、AUROC全体の上位に到達し、このシングルセルはテストランキングを完全に反転させる(LSTM-AD)、これらのベースラインはベンチマークが測定したセキュリティ関連タスクを失敗する。
関連論文リスト
- Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。
検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。
ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
論文 参考訳（メタデータ） (2026-09-07T15:03:36Z) - SENTINEL-RL: Offloading Topological Reasoning from LLM Agents in the Security Operations Center [0.0]
Sentinel-RLは、意味論的推論から位相論的推論を分離するエージェントSOCアーキテクチャである。
本稿では,LANL Comprehensive, Multi-Source Cyber-Security Events データセット, インディアナ大学クォーツHPCクラスタ上でシステムをインスタンス化する。
論文 参考訳（メタデータ） (2026-09-03T17:49:12Z) - A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。
A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
論文 参考訳（メタデータ） (2026-08-05T14:01:10Z) - From Geometric Recovery to Causal Validation: A Reproducible Audit of Sparse Autoencoder Features, from Superposition Geometry to Causal Inertness [0.0]
スパースオートエンコーダ(SAE)は、重畳された神経表現を解釈可能な特徴に分解する標準である。
これはデコーダ・ジオメトリーアライメントとエンコーダ・アクティベーションの2つの異なるクレームを示す。
本手法は,決定論的パイプラインを持つモデル非依存の楽器であるsae-causal-auditとしてパッケージ化する。
論文 参考訳（メタデータ） (2026-07-13T21:18:52Z) - CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。
CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
論文 参考訳（メタデータ） (2026-06-09T16:24:16Z) - From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。
人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。
ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
論文 参考訳（メタデータ） (2026-06-03T14:26:25Z) - Belief Consistency Between Foundation-Model Evidence and Geometric Perception in Persistent Robotic Maps [10.785975575736181]
自律ロボットが使用する永続マップは、幾何学的知覚スタックを基本モデルチャネルに融合し、同じシーンに関する信頼性を調整せずにセマンティッククレームを生成する。
本稿では,クラスごとのコミットゲートと,クレームの時点で幾何学的チャネルに矛盾する基礎モデルクレームのコミットを拒否するコンフリクトドロップウィンドウの2つの協調機構を備えた更新演算子を提案する。
論文 参考訳（メタデータ） (2026-05-29T19:48:51Z) - OrgForge-IT: A Verifiable Synthetic Benchmark for LLM-Based Insider Threat Detection [0.0]
本稿では,決定論的シミュレーションエンジンが基底真理を維持し,言語モデルが表面の散文のみを生成する検証可能な合成ベンチマークを提案する。
コーパスは51日の模擬日、2,904回のテレメトリ記録を96.4%のノイズレートで記録し、単面と単日のトリアージ戦略を破るために設計された4つの検出シナリオをカバーしている。
論文 参考訳（メタデータ） (2026-03-23T19:03:53Z) - 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) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z)
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。