تشخیص ناهنجاری ها و حملات سایبری در سیستم های کنترل صنعتی

سیستمهای کنترل صنعتی درزیرساخت های مختلف صنایع کشورها مورد استفاده قرار میگیرند وازاهمیت راهبردی برای دولت ها برخوردار هستند. به واسطه ی همین اهمیت ونیز خارج شدن آنها ازمکان های فیزیکی امن واتصال آنها به شبکه های ارتباطی، حملات سایبری به آنها در سالهای اخیر روبه رشد بوده است. با خوانش اطلاعات حسگرهاو عاملهای به کاررفته دراین محیطها ما با یک دنباله از سری های زمانی مواجه خواهیم بود که مدل کردن رفتارهای طبیعی در آنها، میتواند در شناسایی حملات سایبری به آنها و نیز دیگر ناهنجاری های رخداده کمک کننده باشد. همچنین از آنجا که این محیطها با نویز همراه هستند لازم است تدابیری برای به حداقل رساندن تاثیر این نویز در دقت مدلها اندیشیده شود. از آنجا که مدل کردن فرآیندهای فیزیکی یک صنعت، نیازمند آشنایی کامل به فرآیندهای آن صنعت بوده وکاری زمان بر است رویکردهای مبتنی بر یادگیری ماشین انتخاب بهتری خواهند بود. روش پیشنهادی این مقاله ترکیبی از شبکه های کانولوشنی یک بعدی با شبکه های خودرمزگذار مبتنی بر LSTM (است که ارزیابی آن بر روی دادگان یک محیط تصفیه ی آب نتایج امیدبخشی را نشان 4 حافظه های کوتاه مدت-بلندمدت( داده است.

کلیدواژه ها:

تشخیص ناهنجاری ، سیستم های کنترل صنعتی ، شبکه های خودرمزگذار ، حافظه های کوتاه مدت-بلندمدت