Centrala begrepp
ターンアウトのモニタリングデータを利用して、サイバー攻撃の検出を行う手法を提案する。時系列データの予測モデルを構築し、実際のデータと予測値を比較することで、サイバー攻撃の可能性を評価する。
Sammanfattning
本研究では、鉄道ターンアウトシステムのモニタリングデータを対象として、サイバー攻撃の検出手法を提案している。
まず、ターンアウトの電力消費曲線データを用いて、時系列予測モデルを構築する。LSTMを用いて、過去の曲線データから次の曲線を予測する。
次に、実際に収集された曲線データと予測値を比較する。予測値との差が大きい場合、サイバー攻撃の可能性があると判断する。具体的には、収集データが正常な初期状態を示す場合や、故障を示す場合など、予測値との差異に応じて、攻撃の可能性を評価する。
この手法により、ターンアウトの経時的な挙動を考慮しつつ、収集データの正当性を評価することができる。実データを用いた検証では、提案手法の有効性が示された。
ただし、ゆっくりとした経時変化を捉えるのが難しいなど、課題も残されている。今後は、オートエンコーダとLSTMを組み合わせた手法などを検討し、予測精度の向上を目指す必要がある。また、様々なターンアウトの特性を考慮した一般化も重要な課題である。
Statistik
ターンアウトの電力消費曲線データを用いて、時系列予測モデルを構築した。
実際の収集データと予測値の差が大きい場合、サイバー攻撃の可能性があると判断した。
Citat
"ターンアウトのモニタリングデータを利用して、サイバー攻撃の検出を行う手法を提案する。"
"時系列データの予測モデルを構築し、実際のデータと予測値を比較することで、サイバー攻撃の可能性を評価する。"