تشخیص حمله سایبری مبتنی بر یادگیری عمیق در راستای ایجاد اینترنت اشیا صنعتی قابل اعتماد

در این مقاله ، ما یک رویکرد جدید برای بهبود قابلیت اعتماد شبکه های مجهز به اینترنت صنعتی اشیا پیشنهاد می کنیم . ما یک کنترل دقیق و قابل اعتماد نظارتی و اکتساب داده (SCADA) مبتنی بر شبکه تشحیص حمله سایبری در این شبکه ها را پیشنهاد می کنیم . طرح پیشنهادی واحدهای مکرر هرمی مبتنی بر یادگیری عمیق (PRU) و درحت تصمیم (DT) را با شبکه های اینترنت اشیاء صنعتی مبتنی بر SCADA ترکیب می کند. ما همچنین از یک روش یادگیری گروهی برای شناسایی حمات سایبری در شبکه های اینترنت صنعتی اشیا مبتنی بر SCADA استفاده می کنیم . طرح پیشنهادی بر روی ۲۰ مجموعه داده تولید شده از شبکه های مبتنی بر SCADA ارزیابی می شود. نتایج تجربی نشان می دهد که طرح پیشنهادی از روشهای سنتی و رویکردهای تشحیص مبتنی بر یادگیری ماشین بهتر عمل می کند. طرح پیشنهادی امنیت و معیارهای مربوط به قابلیت اعتماد را در شبکه های فعال شده با اینترنت اشیاء صنعتی بهبود می بحشد.

کلیدواژه ها:

حمله سایبری ، حمله سایبری ، یادگیری عمیق ، اینترنت اشیا صنعتی