利用卷积神经网络检测工业控制系统中的网络攻击
密码学与安全
2018-12-12 v2 机器学习
摘要
本文提出了一项利用无监督深度神经网络（具体而言为卷积神经网络）检测工业控制系统（ICS）网络攻击的研究。该研究在一个安全水处理试验台（SWaT）数据集上开展，该数据集代表了真实世界工业水处理厂的缩小版本。我们提出了一种基于测量预测值相对于观测值的统计偏差的异常检测方法。我们通过使用多种深度神经网络架构（包括卷积与循环网络的不同变体）应用了所提出的方法。来自SWaT的测试数据集包含36种不同的网络攻击。所提出的方法以较低的误报率成功检测到绝大多数攻击，从而改进了基于该数据集的先前工作。研究结果表明，一维卷积网络可以成功应用于工业控制系统中的异常检测，并且在模型更小、训练更快的同时优于更复杂的循环网络。
引用
@article{arxiv.1806.08110,
title = {Detecting Cyberattacks in Industrial Control Systems Using Convolutional Neural Networks},
author = {Moshe Kravchik and Asaf Shabtai},
journal= {arXiv preprint arXiv:1806.08110},
year = {2018}
}
备注
Proceedings of the 2018 Workshop on Cyber-Physical Systems Security and PrivaCy