A Graph-Temporal Attention Network for Real-Time Intrusion Detection in Cyber-Physical Systems under Extreme Class Imbalance
本論文は、時系列シーケンスとトポロジー的関係の両方をモデリングすることにより、極めて不均衡なサイバー物理システム(CPS)のトラフィックにおける稀な侵入攻撃を効果的に検出するために、時間畳み込みエンコーダとグラフアテンションエンコーダをフォーカル対照学習損失と組み合わせたグラフ・テンポラル・アテンション・ネットワーク(GTAN)を提案する。