面向协作智能农业的轻量级 Edge-CNN-Transformer 型号用于检测协同网络与数字孪生攻击
密码学与安全
2024-11-25 v1
摘要
农业部门日益采用创新技术，以满足全球人口不断增长的食物需求。为优化资源利用并最小化作物损失，农户们正通过合作社方式共享数据与资源。然而，尽管农户从数据共享与互联中获益，却暴露于网络安全威胁与隐私问题之中。对一家农场的网络攻击可对整个合作社产生广泛影响，包括被攻击的农场及其所有成员农场。为此，本研究通过提出一种新型安全架构来弥补现有研究的不足，服务于协作智能农业（CSF）。首先，我们阐述了基于边缘的数字孪生（DT）在提升农业运营效率与韧性方面的作用。为验证这一观点，我们构建了 CSF 测试环境，实现了针对数字孪生及其物理实体的多种网络攻击，使用不同攻击向量。我们收集了两个智能农业网络数据集，以识别潜在威胁。随后，我们聚焦于防止受感染农场将恶意数据传输至中心云服务器。为实现此目标，我们提出了一种 CNN-Transformer 基于异常检测的网络，专为在边缘部署而设计。作为概念验证，我们实现了该模型并通过变化编码器层数评估其性能。此外，我们应用后量化技术压缩该模型，并展示了压缩对其在边缘环境中性能的影响。最后，我们将模型的性能与传统机器学习方法进行比较，以评估其整体效果。
引用
@article{arxiv.2411.14729,
title = {A Lightweight Edge-CNN-Transformer Model for Detecting Coordinated Cyber and Digital Twin Attacks in Cooperative Smart Farming},
author = {Lopamudra Praharaj and Deepti Gupta and Maanak Gupta},
journal= {arXiv preprint arXiv:2411.14729},
year = {2024}
}