基于深度学习的信息物理系统异常检测:进展与机遇
密码学与安全
2021-01-20 v2 信号处理
摘要
异常检测对于保障信息物理系统(CPS)的安全至关重要。然而,由于 CPS 日益复杂且攻击更加精巧,面临数据量增长并需要领域特定知识的传统异常检测方法无法直接应对这些挑战。为此,基于深度学习的异常检测(DLAD)方法被提出。本文综述 CPS 中最先进的 DLAD 方法。我们从异常类型、策略、实现与评估指标出发提出一种分类体系,以理解现有方法的基本属性。进而利用该分类体系识别并突出各 CPS 领域中的新特征与设计。我们还讨论了这些方法的局限性与开放问题。此外,为使用户在实践中选择恰当 DLAD 方法时获得洞见,我们通过实验探究了典型神经模型的特征、DLAD 方法的工作流以及 DL 模型的运行性能。最后,我们讨论了 DL 方法的不足、我们的发现,以及改进 DLAD 方法与推动未来研究的可能方向。
引用
@article{arxiv.2003.13213,
title = {Deep Learning-Based Anomaly Detection in Cyber-Physical Systems: Progress and Opportunities},
author = {Yuan Luo and Ya Xiao and Long Cheng and Guojun Peng and Danfeng Daphne Yao},
journal= {arXiv preprint arXiv:2003.13213},
year = {2021}
}