Fugu-MT 論文翻訳(概要): Adaptive Dynamic Security for Operational Technology Against AI-Powered Attacks

論文の概要: Adaptive Dynamic Security for Operational Technology Against AI-Powered Attacks

arxiv url: http://arxiv.org/abs/2610.41007v1
Date: Thu, 29 Oct 2026 21:41:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:05:31.500618
Title: Adaptive Dynamic Security for Operational Technology Against AI-Powered Attacks
Title（参考訳）: AIによる攻撃に対する運用技術の適応的動的セキュリティ
Abstract要約: ADS-OTは、防御姿勢をモデル化した適応動的セキュリティフレームワークであり、部分的に観察可能な決定問題である。強化学習ポリシーは、安全管理層の下での監視、アクセス、偽造、セグメンテーションに適応し、攻撃パスの完了、検出、および静的ベースラインに対する封じ込めを減少させる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Operational technology now faces attackers whose tempo is set by AI. We present ADS-OT, an adaptive dynamic security framework modelling defensive posture as a partially observable decision problem. A reinforcement-learning policy adapts monitoring, access, deception, and segmentation under a safety-governance layer, reducing attack-path completion, detection, and containment versus static baselines.
Abstract（参考訳）: 運用技術は、AIによってテンポが設定された攻撃者に直面している。 ADS-OTは、防御姿勢をモデル化した適応動的セキュリティフレームワークであり、部分的に観察可能な決定問題である。強化学習ポリシーは、安全管理層の下での監視、アクセス、偽造、セグメンテーションに適応し、攻撃パスの完了、検出、および静的ベースラインに対する封じ込めを減少させる。

関連論文リスト

From AI-Generated Content to Agentic Action: Security and Safety Threats in Generative AI [14.644207081930817]
本研究は、コンテンツレベル、モデルレベル、エージェントレベルの脅威に移行した際のセキュリティと安全性について検討する。我々は、モデルがアーティファクトの生成からツールチェーンや外部APIによる操作の実行に移行するにつれて、攻撃者のアクセス要件、システム自律性、潜在的な有害な変化の範囲をどのように分析する。
論文参考訳（メタデータ） (2026-05-15T13:53:02Z)
Security and Resilience in Autonomous Vehicles: A Proactive Design Approach [1.5675763601034223]
自律走行車(AV)は効率的でクリーンで費用対効果の高い輸送システムを約束する。センサーや無線通信、意思決定システムに依存しているため、サイバー攻撃や物理的脅威に弱い。この章では、AVのセキュリティとレジリエンスを強化するための新しい設計技術を紹介します。
論文参考訳（メタデータ） (2026-04-14T07:45:16Z)
ANNIE: Be Careful of Your Robots [48.89876809734855]
エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。すべての安全カテゴリーで攻撃の成功率は50%を超えている。結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
論文参考訳（メタデータ） (2025-09-03T15:00:28Z)
Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense [51.736723807086385]
本稿では,この課題に対処する上で,強化学習の実践的メリットを示すケーススタディを提案する。本研究では,現実的な運用制約を捉えた高忠実度シミュレーション環境を提案する。エージェントは最適なインターセプション優先順位付けのために複数のエフェクターを調整することを学ぶ。我々は、何百ものシミュレートされた攻撃シナリオにおいて、手作りルールベースのベースラインに対する学習ポリシーを評価する。
論文参考訳（メタデータ） (2025-08-01T13:55:39Z)
CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
論文参考訳（メタデータ） (2025-08-01T09:53:06Z)
Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文参考訳（メタデータ） (2025-04-30T13:47:25Z)
Tit-for-Tat: Safeguarding Large Vision-Language Models Against Jailbreak Attacks via Adversarial Defense [90.71884758066042]
大きな視覚言語モデル(LVLM)は、視覚入力による悪意のある攻撃に対する感受性という、ユニークな脆弱性を導入している。本稿では,脆弱性発生源からアクティブ防衛機構へ視覚空間を変換するための新しい手法であるESIIIを提案する。
論文参考訳（メタデータ） (2025-03-14T17:39:45Z)
Embodied Laser Attack:Leveraging Scene Priors to Achieve Agent-based Robust Non-contact Attacks [13.726534285661717]
本稿では,非接触レーザー攻撃を動的に調整する新しい枠組みであるEmbodied Laser Attack (ELA)を紹介する。認識モジュールのために,ERAは交通シーンの本質的な事前知識に基づいて,局所的な視点変換ネットワークを革新的に開発してきた。決定と制御モジュールのために、ERAは時間を要するアルゴリズムを採用する代わりに、データ駆動の強化学習で攻撃エージェントを訓練する。
論文参考訳（メタデータ） (2023-12-15T06:16:17Z)

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。