論文の概要: ZT-DAC: ML-Driven Dynamic Access Control Policy for Zero Trust in DER Networks

• arxiv url: http://arxiv.org/abs/2611.02107v1
• Date: Sun, 01 Nov 2026 18:22:28 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:18:39.064584
• Title: ZT-DAC: ML-Driven Dynamic Access Control Policy for Zero Trust in DER Networks
• Title（参考訳）: ZT-DAC: DERネットワークにおけるゼロ信頼のためのML駆動動的アクセス制御ポリシー
• Abstract要約: スマートグリッドにおける分散エネルギー資源(DER)の浸透はサイバー攻撃面を著しく拡大した。 従来、DERネットワークは認証後の永続的信頼を前提とする静的ロールベースのアクセス制御(RBAC)機構に依存していた。 本稿では,DERネットワークにZero Trust(ZT)の原則を実装するための動的アクセス制御フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.773283522007866
• License:
• Abstract: The increasing penetration of Distributed Energy Resources (DERs) in the smart grid has significantly expanded the cyber-attack surface. Traditionally, DER networks rely on static role-based access control (RBAC) mechanisms that assume persistent trust after authentication. This limitation enables adversaries to maintain unauthorized privileges and move laterally across DER systems, disrupting grid operations. Although attribute-based access control (ABAC) enables fine-grained and context-aware access decisions, it does not fully eliminate implicit trust. Zero Trust (ZT) principles can be incorporated to enhance ABAC policies. This paper proposes a dynamic access control framework for implementing ZT in DER networks (ZT-DAC). The proposed solution employs a two-stage verification process and integrates an Open Policy Agent (OPA)-based RBAC with a machine learning (ML)-based ABAC to enforce continuous and adaptive trust score assessment. To support realistic DER operations, a DER-specific access control model is developed and used to generate a domain-informed dataset of access requests incorporating both legitimate and adversarial behaviors. Experimental results on the dataset show that the OPA-based decision layer achieves \(91.92\%\) accuracy, with a False Positive Rate of \(14.45\%\), while the ML model achieves a Mean Absolute Error of \(2.074\) and an \(R^2\) of \(0.891\) in trust-score prediction. The ABAC layer achieves \(93.27\%\) accuracy, with a FPR of \(3.88\%\), validating its practical feasibility within realistic DER environments.
• Abstract（参考訳）: スマートグリッドにおける分散エネルギー資源(DER)の浸透が増加し、サイバー攻撃面が大幅に拡大した。 従来、DERネットワークは認証後の永続的信頼を前提とする静的ロールベースのアクセス制御(RBAC)機構に依存していた。 この制限により、敵は許可されていない特権を維持し、DERシステムを横断してグリッド操作を中断することができる。 属性ベースのアクセス制御(ABAC)は、細粒度でコンテキスト対応のアクセス決定を可能にするが、暗黙的な信頼を完全に排除するわけではない。 Zero Trust (ZT)の原則は、ABACポリシーを強化するために組み込むことができる。 本稿では, DERネットワーク(ZT-DAC)におけるZT実装のための動的アクセス制御フレームワークを提案する。 提案手法は2段階の検証プロセスを採用し、オープンポリシーエージェント(OPA)ベースのRBACと機械学習(ML)ベースのABACを統合して、継続的かつ適応的な信頼スコア評価を実施する。 現実的なDER操作をサポートするために、DER固有のアクセス制御モデルを開発し、正反対の動作と反対の動作の両方を取り入れたドメインインフォームドされたアクセス要求のデータセットを生成する。 このデータセットを用いた実験結果から,OPAに基づく決定層は,信頼スコア予測において,偽陽性率が(14.45\%\),平均絶対誤差が(2.074\),平均値が(0.891\)であるのに対して,OPAベースの決定層は(91.92\%\)の精度を達成していることがわかった。 ABAC層は、(93.27\%\)の精度を達成し、FPRは(3.88\%\)であり、現実的なDER環境における実際の実現可能性を検証する。

関連論文リスト

• FAVA: Formal Authorization for Verified Agents with Evidence-Backed Permission Graphs [11.447078130049512]
  FAVAは、エージェントの実行を許可する認可フレームワークである。 OpenAgentSafety、OctoBench、ActPlaneのシナリオでFAVAを評価する。
  論文  参考訳（メタデータ） (2026-07-29T09:41:07Z)
• 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 CRUD to Autonomous Agents: Formal Validation and Zero-Trust Security for Semantic Gateways in AI-Native Enterprise Systems [0.0]
  本稿では,モデルコンテキストプロトコル(MCP)が管理するセマンティックゲートウェイの設計,形式検証,実証評価を提案する。 ゲートウェイは、エンタプライズAPIをセマンティックサーフェスとして再構成する。 このアーキテクチャでは、事前に推論されたセマンティックファイアウォール、決定論的ツールレベルRBAC、アウトオブバンドの暗号化人間対ループの承認を含む3層ゼロトラストセキュリティモデルが導入されている。
  論文  参考訳（メタデータ） (2026-04-28T12:25:06Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Semantic Risk Scoring of Aggregated Metrics: An AI-Driven Approach for Healthcare Data Governance [0.0]
  大規模医療機関は通常、複数のビジネスインテリジェンス(BI)チームを運営している。 HIPAA、FERPA、IRBの制限のため、これらのチームは分析に必要な患者レベルのデータを共有するという課題に直面している。 事前計算されたプライバシに準拠した要約である計量集計表が提案されている。
  論文  参考訳（メタデータ） (2026-03-09T03:36:11Z)
• Safe and Compliant Cross-Market Trade Execution via Constrained RL and Zero-Knowledge Audits [0.5586191108738564]
  本稿では、厳格なコンプライアンスの実施と実行品質のバランスをとるクロスマーケットアルゴリズムトレーディングシステムを提案する。 アーキテクチャは、高レベルプランナー、強化学習実行エージェント、独立コンプライアンスエージェントを含む。 対t検定による95%信頼度レベルへの影響を報告し,CVaRによる尾部リスクの検討を行った。
  論文  参考訳（メタデータ） (2025-10-06T15:52:12Z)
• 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)
• Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
  新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。 閉ループアクセス制御の強化学習(RL)支援方式を提案する。 深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
  論文  参考訳（メタデータ） (2023-03-05T12:25:49Z)
• Actor-Critic based Improper Reinforcement Learning [61.430513757337486]
  我々は,未知のマルコフ決定プロセスに対して,学習者に100万ドルのベースコントローラを付与する不適切な強化学習環境を考える。 本稿では,(1)ポリシーグラディエントに基づくアプローチ,(2)単純なアクター・クリティカル・スキームとNatural Actor-Criticスキームを切り替えるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-19T05:55:02Z)
• Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
  本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。 我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。 ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
  論文  参考訳（メタデータ） (2021-06-03T16:45:40Z)

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。