現代の電力システムにおけるサイバーフィジカルの融合は、攻撃者に対して、センサデータの操作、計測のなりすまし、通信の妨害、誤った状態推定の注入などのために利用可能な攻撃面を拡大してきた。しかし、スマートグリッド環境におけるAIベースのサイバーイベント検知を評価するための、公開されたベンチマーク基盤は、予測や運用指令タスク向けに利用可能なベンチマーク基盤に比べて乏しい。本論文は、補助論文で確立された4層のBQEBアーキテクチャ（Data、Software、Reproducibility、Governance）を、ベンチマーク固有の第5層と新たなThreat Layerへ拡張する、再現可能なサイバー・レジリエンス評価ベンチマーク枠組みBQEB SecBenchを提案する。SecBenchは、BQEB-Data v1の合成スマートグリッドデータセットにおけるセキュリティに関係する領域を対象とする。この領域はデータセットの公開以来公に利用可能であるが、我々の知る限り、過去のいかなる先行研究でもベンチマーク化されていない。分散されたattack_classフィールドの検査により、深刻なクラス不均衡が確認される。10,512件の記録のうち、10,331件（98.28%）は攻撃ラベルを持たず、残りは4種類の文書化された事象タイプ、すなわちセンサ故障（82）、なりすまし（37）、サービス拒否（34）、および誤データ注入（28）で構成される。この不均衡を、枠組みが解決すべき中核設計課題として扱い、4つのベンチマークタスクを定義する。さらに、精度ではなく、適合率・再現率および閾値非依存の指標に基づく不均衡配慮型の評価プロトコルを仕様化する。加えて、補助論文のソフトウェアアーキテクチャを拡張する再現性とガバナンスの仕組みを提示する。本原稿は、ベンチマーク枠組みと評価プロトコルを導入するものであり、経験的なモデル比較は、その後の実験的検証のために留保される。本稿では、検知結果、精度の数値、統計的主張は報告しない。モデル実行に依存するあらゆる量は、将来の実験的検証のために明示的に留保される。我々は、この開示を、最小化すべき制約ではなく、枠組みに対する貢献の一部として位置付ける。
https://doi.org/10.20944/preprints202609.0013.v1