基于 FM 的水系统网络安全管理攻击归因方法
机器学习
2025-03-04 v1 密码学与安全
系统与控制
系统与控制
摘要
水系统是现代基础设施的关键组成部分，却日益容易受到具有潜在严重后果的网络攻击，可能对公共卫生和安全构成威胁。虽然最先进的机器学习技术有效地检测了异常，但当代基于模型无关的攻击归因方法（如 LIME、SHAP 和 LEMNA）对于大型、相互依赖的水系统而言被认为不可行。这主要是由于这些复杂环境中复杂的相互依赖性和动态相互作用。此类方法主要强调单个特征的重要性，却未能解决水系统中关键传感器-执行器相互作用的问题，这限制了其在识别根本原因攻击方面的效果。为此，我们提出了一种新的模型无关的基于因子分解机（FM）的方法，该方法利用水系统的传感器-执行器相互作用，为网络攻击提供细粒度的解释和归因。例如，执行器泵活动的异常可归因于一组顶级根本原因攻击候选者——水压力传感器，这些候选者源于我们方法捕获的底层线性和二次效应。我们使用两个真实世界的水系统特定数据集（SWaT 和 WADI）进行验证，表明该方法在传统归因方法之上表现优异。在涉及复杂传感器-执行器相互作用的多特征网络攻击场景中，我们的 FM 基于攻击归因方法有效地排序攻击根本原因，实现了约 20% 的平均改进。
关键词
引用
@article{arxiv.2503.01229,
title = {Enhancing Network Security Management in Water Systems using FM-based Attack Attribution},
author = {Aleksandar Avdalovic and Joseph Khoury and Ahmad Taha and Elias Bou-Harb},
journal= {arXiv preprint arXiv:2503.01229},
year = {2025}
}