論文の概要: A Unified XAI-NSAI Analytical Framework for Trustworthy IoT Anomaly Detection

• arxiv url: http://arxiv.org/abs/2610.41424v1
• Date: Fri, 30 Oct 2026 08:30:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.6602
• Title: A Unified XAI-NSAI Analytical Framework for Trustworthy IoT Anomaly Detection
• Title（参考訳）: 信頼できるIoT異常検出のための統一XAI-NSAI分析フレームワーク
• Abstract要約: 5つの相補的な次元を中心に構成された統合分析フレームワークを提案する。 このフレームワークは、既存のアプローチを特徴づけ、能力ギャップを特定し、トレードオフを設計するための構造化された基盤を提供する。 本稿では,3つの代表的な研究に適用し,その設計ユーティリティを医療用IoT異常検出システムに適用することによって,フレームワークの分析ユーティリティを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The widespread deployment of Internet of Things (IoT) devices in critical environments makes anomaly detection essential for identifying abnormal behaviors and supporting timely investigation and response. However, accurate detection alone is insufficient. Practical IoT deployments must also provide explanations, incorporate domain knowledge and reasoning, operate under IoT constraints, and support human decision making. Although recently proposed approaches increasingly incorporate Explainable Artificial Intelligence (XAI) or Neuro-Symbolic Artificial Intelligence (NSAI), XAI and NSAI methods are often considered independently. We argue that they should be considered together to better understand their complementary roles in supporting trustworthy IoT anomaly detection. To address this gap, we propose a unified analytical framework organized around five complementary dimensions. The framework provides a structured basis for characterizing existing approaches, identifying capability gaps and design trade-offs, and guiding the design of new anomaly detection systems for different IoT applications. We demonstrate the framework's analytical utility by applying it to three representative studies and illustrate its design utility through its application to a Medical IoT anomaly detection system.
• Abstract（参考訳）: 重要な環境におけるIoT(Internet of Things)デバイスの普及は、異常な動作を特定し、タイムリーな調査と応答をサポートするために、異常検出を不可欠にしている。 しかし、正確な検出だけでは不十分である。 実践的なIoTデプロイメントは、説明を提供し、ドメイン知識と推論を取り入れ、IoT制約の下で運用し、人間の意思決定をサポートする必要がある。 近年提案されているアプローチには、説明可能な人工知能(XAI)やニューロシンボリック人工知能(NSAI)が組み込まれているが、XAIとNSAIの手法は独立して検討されることが多い。 信頼性の高いIoT異常検出をサポートする上で,それらの補完的な役割をよりよく理解するために,これらを一緒に考えるべきだ,と私たちは主張する。 このギャップに対処するため、我々は5つの相補的な次元を中心に構成された統合分析フレームワークを提案する。 このフレームワークは、既存のアプローチを特徴づけ、能力ギャップを特定し、トレードオフを設計し、異なるIoTアプリケーションのための新しい異常検出システムの設計を導くための構造化された基盤を提供する。 本稿では,3つの代表的な研究に適用し,その設計ユーティリティを医療用IoT異常検出システムに適用することによって,フレームワークの分析ユーティリティを実証する。

関連論文リスト

• IVT-Guard: All-in-One Reasoning Model for AI-Generated Content Detection [68.61333779483097]
  本稿では,画像,ビデオ,テキストモダリティ間でAIGC検出を統一かつ解釈可能なフレームワークであるIVT-Guardを提案する。 IVT-Guardは、ドメイン内、ドメイン外、データセット間における最先端検出性能を達成する。
  論文  参考訳（メタデータ） (2026-09-27T14:00:55Z)
• Agentic IoT: Architectures, Applications, and Challenges Toward the Internet of Agents [1.1470070927586018]
  Agentic IoTは、自律型AIエージェントの知覚、推論、計画、学習、行動能力とサイバー物理システムを統合する次世代の認知IoTパラダイムである。 本稿では、この移行をパラダイムシフトとして、AIoT、エッジインテリジェンス、マルチエージェントシステム、エージェントのインターネットに関連するエージェントIoTを位置付ける。
  論文  参考訳（メタデータ） (2026-07-05T10:24:20Z)
• System-aware contextual digital twin for ICS anomaly diagnosis [6.47954540420163]
  我々はICS異常診断のためのシステム対応無教師フレームワークを提案する。 提案フレームワークはリアルタイム検出効率を実現し,一貫した,解釈可能な異常診断を行う。
  論文  参考訳（メタデータ） (2026-04-27T05:17:44Z)
• Reason-IAD: Knowledge-Guided Dynamic Latent Reasoning for Explainable Industrial Anomaly Detection [85.29900916231655]
  Reason-IADは、説明可能な産業異常検出のための知識誘導型動的潜在推論フレームワークである。 実験により、Reason-IADは最先端の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-10T14:54:17Z)
• 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)
• Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
  異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。 我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
  論文  参考訳（メタデータ） (2025-05-12T02:04:37Z)
• GeMID: Generalizable Models for IoT Device Identification [4.029017464832905]
  デバイス識別(DI)は、そのトラフィックパターンに基づいてIoTデバイスを識別する。 機械学習モデルを構築する既存のDIアプローチは、様々なネットワーク環境におけるモデル一般化可能性の課題を見落としていることが多い。 本稿では、この制限に対処し、異なるネットワーク環境において収集されたデータセット間でのDIモデルの一般化性を評価するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-05T17:09:43Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Exploring the Use of Data-Driven Approaches for Anomaly Detection in the Internet of Things (IoT) Environment [4.724825031148412]
  IoT(Internet of Things)は、物理コンピューティングデバイス、センサー、ソフトウェア、その他のテクノロジを接続するシステムである。 データは、人間のインタラクションを必要とせずに、ネットワーク上の他のデバイスと収集、転送、交換することができる。 近年,IoT環境における異常検出の研究が普及し,その必要性が高まっている。
  論文  参考訳（メタデータ） (2022-12-31T06:28:58Z)

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。