cyber-physical systems

3 items

RESEARCHarXiv CS.LG·05/05/2026

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

PhaseNet++ introduit un nouvel autoencodeur en domaine fréquentiel pour la détection d'anomalies dans les systèmes de contrôle industriels (ICS), s'attaquant au spectre de phase souvent négligé dans l'analyse des séries temporelles multivariées. Il utilise un indice de cohérence de phase pour guider un réseau d'attention graphique, améliorant la détection des attaques cyber-physiques.

Anomaly Detection cyber-physical systems security machine learning

RESEARCHarXiv CS.LG·28/04/2026

Avionic Main Fuel Pump Simulation and Fault-Diagnosis Benchmark

Cet article introduit une co-simulation haute fidélité et informée par la physique d'un système de pompe à carburant principal d'avion pour générer des données de détection et de diagnostic d'anomalies. Il vise à pallier le manque de données dans les systèmes cyber-physiques critiques, démontrant sa faisabilité avec des modèles d'IA non supervisés tels que RNN-VAE et SOM-VAE.

fault diagnosis Anomaly Detection cyber-physical systems machine learning

RESEARCHarXiv CS.AI·il y a 7j

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

L'Industrie 4.0 nécessite une détection robuste des anomalies dans les Systèmes Cyber-Physiques (CPS), mais les modèles agnostiques au produit présentent des angles morts pour les anomalies subtiles ou les attaques ciblées. Ce travail démontre cette vulnérabilité et propose un Autoencodeur Conscient du Produit comme atténuation en restreignant le domaine d'apprentissage.

Anomaly Detection cyber-physical systems autoencoders security