مروری بر چالش های پیاده سازی سیستم های تشخیص نفوذ مبتنی بر یادگیری ماشین در محیط های عملیاتی صنعتی

فناوری عملیاتی به سخت افزارها و نرم افزارهایی اشاره دارد که مستقیما با فرآیندهای فیزیکی در ارتباط اند مانند کنترل کننده های منطقی برنامه پذیر، حسگرها. فناوری اطلاعات به زیرساخت های محاسباتی و شبکه ای سازمانی (سرورها، ایستگاه های کاری، شبکه ی اداری) مربوط می شود. تمایز کلیدی فناوری عملیاتی با فناوری اطلاعات در اولویت های طراحی است. در فناوری عملیاتی، بلادرنگ بودن، پایداری و ایمنی فرآیند در اولویت اند؛ در حالی که در فناوری اطلاعات محرمانگی و یکپارچگی داده ها اغلب اولویت بالاتری دارند. این تفاوت الزامات امنیتی و معیارهای ارزیابی سیستم تشخیص نفوذ در محیط های صنعتی را از سیستم های تشخیص نفوذ عمومی متمایز می کند. سیستم تشخیص نفوذ به طور کلی سامانه ای است که ترافیک شبکه یا رویدادهای سیستمی را پایش می کند و در صورت مشاهده ی الگوهای مشکوک هشدار صادر می نماید. در محیط های صنعتی سیستم های تشخیص نفوذ باید علاوه بر ترافیک شبکه ی پروتکل های صنعتی، داده های حسگرها و وضعیت فرآیند را نیز در نظر بگیرد؛ زیرا برخی حملات تنها از طریق ناهنجاری در مقادیر فیزیکی مثلا افزایش ناگهانی فشار قابل تشخیص اند. به عبارت دیگر سیستم های تشخیص نفوذ صنعتی باید آگاهی از فرآیند داشته باشد و صرفا به تحلیل بسته های شبکه اکتفا نکند. یادگیری ماشین به مجموعه ای از الگوریتم هایی اطلاق می شود که از داده ها الگو می آموزند و برای پیش بینی یا تصمیم گیری استفاده می شوند. در زمینه ی سیستم کنترل صنعتی چهار دسته ی اصلی از روش های یادگیری ماشین رایج اند: نظارتی، بدون نظارت، نیمه نظارتی و ترکیبی. هر کدام از این روش ها مزایا و محدودیت هایی در محیط صنعتی دارند. تمایز سیستم های تشخیص نفوذ صنعتی با سیستم های تشخیص نفوذ عمومی در معیارهای مختلفی است مانند بلادرنگ بودن، محدودیت های سخت افزاری، نویز حسگرها و تغییر شرایط عملیاتی و همچنین هزینه ی بالای مثبت کاذب. این تمایزها ایجاب می کنند که سیستم های تشخیص نفوذ مبتنی بر یادگیری ماشین برای محیط های صنعتی نه تنها از نظر دقت بلکه از نظر کارایی، عملیاتی، تفسیرپذیری و قابلیت استقرار روی سخت افزار محدود نیز ارزیابی شوند. در این مقاله چالش های پیاده سازی سیستم های تشخیص نفوذ مبتنی بر یادگیری ماشین در محیط های عملیاتی صنعتی در چهار دسته ی داده، مدلسازی، استقرار در فناوری عملیاتی و ارزیابی و عملیات بررسی شده اند و الگوها و تناقض های بین مقالات برجسته گردیده اند.

کلیدواژه ها:

سیستم های تشخیص نفوذ ، یادگیری ماشین ، فناوری عملیاتی ، محیط های صنعتی ، چالش های پیاده سازی