cyber-physical systems

3 items

RESEARCHarXiv CS.LG·5/5/2026

PhaseNet++: Phase-Aware Frequency-Domain Anomaly Detection for Industrial Control Systems via Phase Coherence Graphs

PhaseNet++ stellt einen neuartigen Frequenzbereichs-Autoencoder zur Anomalieerkennung in industriellen Steuerungssystemen (ICS) vor, der das bisher vernachlässigte Phasenspektrum in der multivariaten Zeitreihenanalyse berücksichtigt. Er verwendet einen Phasen-Kohärenz-Index, um ein Graph-Aufmerksamkeitsnetzwerk zu steuern und die Erkennung von cyber-physischen Angriffen zu verbessern.

Anomaly Detection cyber-physical systems security machine learning

RESEARCHarXiv CS.LG·4/28/2026

Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark

Dieses Papier stellt eine hochpräzise, physikbasierte Co-Simulation eines Hauptkraftstoffpumpensystems für Flugzeuge vor, um Daten für die Anomalieerkennung und -diagnose zu generieren. Es bekämpft den Datenmangel in kritischen cyber-physischen Systemen und demonstriert die Machbarkeit mit unbeaufsichtigten RNN-VAE- und SOM-VAE-Modellen.

fault diagnosis Anomaly Detection cyber-physical systems machine learning

RESEARCHarXiv CS.AI·vor 7T

Product-Aware Deep Autoencoders for Robust Process Monitoring in Multi-Product Cyber-Physical Systems

Industrie 4.0 erfordert eine robuste Anomalieerkennung in Cyber-Physischen Systemen (CPS), doch produktagnostische Modelle weisen blinde Flecken für subtile Anomalien oder gezielte Angriffe auf. Diese Arbeit demonstriert diese Schwachstelle und schlägt einen produktbewussten Autoencoder als Minderung vor, indem der Lernbereich eingeschränkt wird.

Anomaly Detection cyber-physical systems autoencoders security