面向工业控制系统网络安全的可解释异常检测
系统与控制
2022-05-05 v1 系统与控制
摘要
工业控制系统（ICS）在智能制造的诸多重要系统（如电站、供水系统与制造现场）的运行管理中愈发重要。尽管海量数字数据可成为系统性能的驱动力，但数据安全性已引发严重关切。因此，异常检测对于防范网络安全入侵与系统攻击至关重要。许多基于 AI 的异常检测方法已被提出并实现了高检测性能，然而仍是难以解释的“黑箱”。在本研究中，我们建议使用可解释人工智能（XAI）来增强基于 LSTM 的 Autoencoder-OCSVM 学习模型在 ICS 异常检测中的可理解性与可靠结果。我们基于知名的 SCADA 数据集展示了所提方法的性能。
引用
@article{arxiv.2205.01930,
title = {Explainable Anomaly Detection for Industrial Control System Cybersecurity},
author = {Do Thu Ha and Nguyen Xuan Hoang and Nguyen Viet Hoang and Nguyen Huu Du and Truong Thu Huong and Kim Phuc Tran},
journal= {arXiv preprint arXiv:2205.01930},
year = {2022}
}
备注
Copyright \copyright ~ 2022, IFAC (International Federation of Automatic Control)