リアルタイム 脅威の評価 with Imperfect Sensor Data（不完全なセンサーデータによる）」は、オープンアクセスのNaval Postgraduate School（海軍大学院）論文である。 学位論文 フレデリック・B・スタンフォード著

国防総省は、米国とその同盟国に対する潜在的脅威に関する重要なデータを収集するため、日々さまざまなセンサーを使用している。しかし、これらのセンサーは、技術的な限界や人為的なミスのために、常に真実を捉えているとは限らない。本論文では、偽陰性や偽陽性を含む可能性のあるセンサー収集データを活用し、脅威を効果的に検知するための数学的フレームワークを紹介する。

最初の定式化では、センサー操作者が特定の場所における脅威の可能性に関するインテリジェンスを持っていることを仮定し、2番目の定式化では、敵対者が検出を避けるために意図的にターゲットを選択する可能性があることを考慮する。どちらの場合も、著者は、攻撃が発生する可能性が最も高いエリアにセンサーを誘導する閾値ベースのポリシーを開発し、攻撃の確率が場所固有の閾値を超えた場合にアラームをトリガーする。

著者はモンテカルロ・シミュレーションを用い、これらの閾値ベースのポリシーを、リアルタイムの脅威検知確率の最大化と誤警報間の平均時間の最小化という相反する2つの目的に対して評価した。この研究で得られた知見は、ロバストなアルゴリズムを使用して不完全なセンサーデータを定量化することを可能にし、アドホックな評価を超えて、専門家の専門知識に頼ることを可能にする。

不完全なセンサーデータによるリアルタイムの脅威評価には、以下の主要なセクションが含まれる：

  • はじめに
  • 攻撃の可能性に関するインテリジェンスを活用したセンサー操作
  • 戦略的攻撃者に対するセンサー操作
  • 結論

画像引用元- Adobe Stock ディーナナス