持続可能な産業応用のためのOSV-BiSGAを用いたカーボンニュートラルサイバーセキュリティ回路

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Circuit designers and cybersecurity researchers can leverage the OSV-BiSGA optimization for low-power intrusion detection.

🏢実務担当者:Industrial system integrators may adopt this framework to reduce energy costs in secure control systems.

🏛政策担当者:Regulators promoting green ICT standards could cite this as an example of energy-aware security design.

産業用サイバーフィジカルシステムは、炭素中立目標にも適合したセキュアな回路にますます依存するようになってきている。これまでの研究は検出精度を重視してきたが、セキュリティアルゴリズムのエネルギー消費量はほとんど扱われてこなかった。したがって、エネルギーを意識したサイバーセキュリティ回路の必要性が、重要な研究の方向性として浮上している。従来の侵入検知回路は、計算集約的な学習モデルに依存した継続的監視により過剰な電力を消費してきた。これらのアプローチは、セキュリティ保証とエネルギー効率の両方が同時に要求されるグリーン産業インフラには適合性が限られていた。低消費電力アルゴリズムと持続可能な回路展開を統合した統一フレームワークの欠如が続いてきた。産業用サイバーセキュリティ回路向けに、OSV-BiSGAと称される新規のエネルギー効率フレームワークが提案されている。このフレームワークは、冗長な計算を最小化する双方向雪ガチョウ最適化アルゴリズムとワンクラスサポートベクタモデルを組み合わせている。回路レベルで設計された継続的監視はサンプリングレートを動的に適応させ、アイドル電力消費を削減している。低リーク部品や適応電圧スケーリングを含むグリーンインフラ原則が回路設計に組み込まれている。パラメータ選択を導く最適化は、検出信頼性を低下させることなく最小限のエネルギー使用を保証している。提案されたOSV-BiSGAフレームワークは、人口サイズ30において精度0.95、適合率0.93、再現率0.94、F1スコア0.94を達成し、エネルギー消費を40 Jに削減している。Static One Class SVM、PSO-Optimized IDS、Always-On Deep Learning IDSと比較して、このフレームワークは優れた検出性能を維持しながら、エネルギー使用を最大63%削減する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Industrial cyber–physical systems increasingly have relied on secure circuits that also have aligned with carbon neutral goals. Prior studies have emphasized detection accuracy, yet the energy footprint of security algorithms has remained marginally addressed. The need for energy-aware cybersecurity circuits has therefore emerged as a critical research direction. Conventional intrusion detection circuits have consumed excessive power due to continuous monitoring that has depended on computationally intensive learning models. These approaches have limited suitability for green industrial infrastructure, where both security assurance and energy efficiency have been demanded simultaneously. A lack of unified frameworks that have integrated low-power algorithms with sustainable circuit deployment has persisted. A novel energy-efficient framework that has been termed OSV-BiSGA has been proposed for industrial cybersecurity circuits. The framework has combined a one-class support vector model with a bidirectional snow geese optimization algorithm that has minimized redundant computations. Continuous monitoring that has been designed at the circuit level has adapted sampling rates dynamically, which has reduced idle power consumption. Green infrastructure principles that have included low-leakage components and adaptive voltage scaling have been incorporated into the circuit design. Optimization that has guided parameter selection has ensured minimal energy usage without degrading detection reliability. The proposed OSV-BiSGA framework achieves an accuracy of 0.95, precision of 0.93, recall of 0.94, and F1-score of 0.94 at a population size of 30, while reducing energy consumption to 40 J. Compared with Static One Class SVM, PSO-Optimized IDS, and Always-On Deep Learning IDS, the framework reduces energy usage by up to 63% while maintaining superior detection performance.

• semanticscholar https://doi.org/10.21917/ijme.2026.0377first seen 2026-07-16 06:26:11 · last seen 2026-09-22 05:18:22