基于AI的工业系统最关键网络攻击识别
系统与控制
2024-05-31 v2 系统与控制
摘要
现代工业系统面临来自复杂网络攻击的日益增长威胁，此类攻击可造成显著运行中断。本工作提出一种识别可能扰乱此类系统运行的最关键网络攻击的新方法。所提框架的应用可支撑面向广泛工业应用的先进网络安全解决方案的设计与开发。攻击的评估直接考量其对系统运行的影响，该影响由定义的键性能指标（KPI）度量。采用工业过程的仿真模型（SM）基于运行条件计算KPI。此SM扩充有一层信息，描述通信网络拓扑、连接设备以及基于各设备或网络链路的潜在敌手行动。每一可能行动关联一个抽象的努力度量，解释为成本。假定敌手具有相应预算，约束定义攻击演进的行动序列之选择。我们还提出一个由一组关联网络攻击（网络状态）的状态及用于更新其值的转移逻辑构成的动力系统。所得扩充仿真模型（ASM）随后用于基于人工智能的序贯决策优化，以产生按其对所定义KPI影响度量的最关键网络攻击场景。该方法基于一个配电系统用例成功验证。
引用
@article{arxiv.2306.04821,
title = {AI-based Identification of Most Critical Cyberattacks in Industrial Systems},
author = {Bruno Paes Leao and Jagannadh Vempati and Siddharth Bhela and Tobias Ahlgrim and Daniel Arnold},
journal= {arXiv preprint arXiv:2306.04821},
year = {2024}
}