ビジネス応用重要度 ★8
産業用制御システムにおける異常検知モデルの、学習時データ汚染に対する頑健性
Robustness of Anomaly Detection Models for Industrial Control Systems under Training-Time Data Contamination
https://export.arxiv.org/api/query·2026/8/24
AI要約
産業制御システム（ICS）における異常検知モデルのロバスト性を評価。訓練データに混入がある場合でも、モデルの性能が低下しないか、SWaTベンチマークを用いて11の異なるモデルで検証しています。
AI要点
- 産業用制御システム（ICS）における異常検知モデルの、学習データ汚染に対する頑健性を評価した。
- ランダム注入、類似性ターゲット注入、特徴ノイズ注入の3つの汚染戦略で11種類のモデルを評価した。
- 汚染に対する頑健性はモデルに強く依存し、クリーンデータでの性能だけでは予測できないことが示された。
- 注入型汚染は、特に局所密度ベースや距離ベースの検出器に大きな性能低下をもたらした。
なぜ重要か
AIを用いたICSの異常検知において、学習データ汚染のリスクとその影響を具体的に分析し、モデル選定やデータ管理におけるセキュリティ上の考慮事項の重要性を強調している。