防御水处理网络：利用时空效应进行网络攻击检测
密码学与安全
2020-08-31 v1 机器学习
信号处理
摘要
尽管水处理网络（WTNs）是当地社区与公共卫生的关键基础设施，WTNs 却易受网络攻击。有效检测攻击可防御 WTNs 排放受污染水、拒绝访问、毁坏设备并引发公众恐慌。尽管 WTNs 攻击检测已有广泛研究，但它们仅部分利用数据特征来检测网络攻击。在初步探索 WTNs 传感数据后，我们发现整合时空知识、表示学习与检测算法可提升攻击检测准确率。为此，我们提出一种结构化异常检测框架，通过建模 WTNs 中网络攻击的时空特征来防御 WTNs。具体而言，在将 WTNs 传感数据分割为时间序列段后，我们提出一种专为网络攻击定制的时空表示框架。该框架有两个关键组件。第一个组件是时间嵌入模块，通过将一个传感器的时段投影为时间嵌入向量，以保留时段内的时间模式。我们随后构建时空图（STGs），其中节点为传感器、属性为传感器的时序嵌入向量，用以描述 WTNs 的状态。第二个组件是空间嵌入模块，从 STGs 中学习 WTNs 的最终融合嵌入。此外，我们设计了一种改进的单类 SVM 模型，利用新设计的成对核来检测网络攻击。所设计的成对核在融合嵌入空间中增大了正常与攻击模式间的距离。最后，我们使用真实数据进行了广泛的实验评估，以证明我们框架的有效性。
引用
@article{arxiv.2008.12618,
title = {Defending Water Treatment Networks: Exploiting Spatio-temporal Effects for Cyber Attack Detection},
author = {Dongjie Wang and Pengyang Wang and Jingbo Zhou and Leilei Sun and Bowen Du and Yanjie Fu},
journal= {arXiv preprint arXiv:2008.12618},
year = {2020}
}