概要: 安全な自律性に関する公開の未分類研究は、運用プラットフォームへのアクセスが限られていること、争点のある通信インフラ、そして代表的な敵対者のテスト条件によって制約されています。本論文では、学習を組み込んだ自律プラットフォームのサイバーセキュリティ評価のための、脅威指向のデジタル・ツイン手法を提示します。本アプローチは、センシング、自律、監督制御の機能を分離した、代表的な自律スタックのオープンソースかつモジュール化されたツインとして具体化されます。さらに、信頼度ゲート付きマルチモーダル知覚、コマンドとテレメトリの信頼境界の明示、そしてランタイムのホールドセーフ挙動を備えています。本貢献は方法論です。すなわち、脅威分析を、なりすまし、リプレイ、誤った入力（不正形式）インジェクション、センシングの劣化、敵対的MLストレスのための観測可能で制御可能なテストへと変換する、再現可能な設計パターンを提供します。実装されたプロキシは地上ベースですが、アーキテクチャは意図的にUAVおよび宇宙システムと共有されるスタック要素に基づいて構成されています。具体的には、制約のある機内計算、断続的または高遅延のリンク、不確実（確率的）な知覚、そしてミッションクリティカルな復旧挙動を含みます。その結果として、UAV領域および宇宙領域にまたがる、信頼性の高い安全な自律性研究のために実装可能な研究用足場（スキャフォールド）が得られます。
自律プラットフォームのセキュリティ評価のための脅威指向デジタルツイン
arXiv cs.RO / 2026/4/29
💬 オピニオンDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- 本論文は、学習を備えた自律プラットフォームのサイバーセキュリティを、より現実的な敵対的条件の下で評価するための「脅威指向デジタルツイン」手法を提案する。
- 認識に対する信頼度ゲート付きのマルチモーダル知覚や、コマンド／テレメトリの信頼境界を明示する仕組みを含め、センシング、オートノミー、監督制御を分離したモジュール型のオープンソース・ツイン構成を示している。
- ランタイムの「ホールドセーフ」行動を備え、脅威分析を、スプーフィング、リプレイ、誤った入力（マルフォームド入力）の注入、感覚の劣化、敵対的MLストレスといったテストへ、再現可能で観測可能かつ制御可能な形で落とし込む。
- 実装されたプロキシは地上ベースだが、計算資源が制約されたオンボード処理、断続的／高遅延リンク、確率的知覚、ミッションクリティカルな回復挙動など、UAVや宇宙システムで共通する要素を意図的に反映している。
- 各ドメイン（UAV／宇宙）にまたがる、信頼性と安全性の高い自律研究のための再利用可能な研究用足場（スキャフォールド）として位置付けられている。
