基于序列到序列神经网络的工业控制系统异常检测
密码学与安全
2019-11-13 v1 机器学习
摘要
本研究提出一种针对工业控制系统（ICSs）运行数据的异常检测方法。应用序列到序列神经网络来训练并预测 ICS 运行数据，并解释其时间序列特征。所提方法仅需正常数据集即可理解 ICS 的正常状态并检测离群点。该方法使用 SWaT（安全水处理）数据集进行评估，36 次攻击中检测出了 29 次。所报告的方法还可检测攻击点，53 个点中检测出了 25 个。本研究对实验结果的假阳性与假阴性提供了详细分析。
引用
@article{arxiv.1911.04831,
title = {Anomaly Detection for Industrial Control Systems Using Sequence-to-Sequence Neural Networks},
author = {Jonguk Kim and Jeong-Han Yun and Hyoung Chun Kim},
journal= {arXiv preprint arXiv:1911.04831},
year = {2019}
}
备注
Accepted to 5th Workshop on the Security of Industrial Control Systems & of Cyber-Physical Systems (CyberICPS 2019) in conjunction with ESORICS 2019