攻击规则：一种利用机器学习为工业控制系统生成攻击的对抗方法
密码学与安全
2021-07-13 v1 机器学习
摘要
对抗学习用于测试机器学习算法在攻击下的鲁棒性，并创建欺骗工业控制系统（ICS）中异常检测方法的攻击。鉴于 ICS 的安全评估要求研究详尽的可能攻击模式集合，本工作中我们提出一种基于关联规则挖掘的攻击生成技术。该技术使用来自安全水处理厂的数据实现。所提出的技术能够生成超过 300,000 个攻击模式，构成了绝大多数此前未见过的新攻击向量。自动生成的攻击增进了我们对潜在攻击的理解，并支持设计鲁棒的攻击检测技术。
引用
@article{arxiv.2107.05127,
title = {Attack Rules: An Adversarial Approach to Generate Attacks for Industrial Control Systems using Machine Learning},
author = {Muhammad Azmi Umer and Chuadhry Mujeeb Ahmed and Muhammad Taha Jilani and Aditya P. Mathur},
journal= {arXiv preprint arXiv:2107.05127},
year = {2021}
}