ICSML：基于 IEC 61131-3 代码实现原生推理的工业控制系统机器学习框架
机器学习
2023-04-24 v3 密码学与安全
系统与控制
系统与控制
摘要
工业控制系统（ICS）在促成第四次工业革命中发挥了催化作用。可编程逻辑控制器（PLC）等 ICS 设备，在工业、能源和商业环境中实现关键过程的自动化、监测与控制。传统运营技术（OT）与信息技术（IT）的融合开辟了新的独特威胁面。这激发了防御研究，其高度聚焦于运行在外部 IT 硬件上的基于机器学习（ML）的异常检测方法，这意味着成本增加以及威胁面的进一步扩张。为消除该需求，我们引入 ICS 机器学习推理框架（ICSML），其使得 ML 模型推理能够在 PLC 上原生执行。ICSML 以 IEC 61131-3 代码实现，并提供了若干优化以规避领域特定语言所施加的限制。因此，它无需供应商支持即可在所有 PLC 上工作。ICSML 提供了一套完整的组件，用于像既有 ML 框架一样创建完整 ML 模型。我们运行了一系列研究内存与性能的基准测试，并将我们的方案与 TFLite 推理框架比较。同时，我们开发了领域特定的模型优化以提升 ICSML 的效率。为展示 ICSML 的能力，我们评估了一个针对海水淡化厂的过程感知攻击的真实防御案例研究。
引用
@article{arxiv.2202.10075,
title = {ICSML: Industrial Control Systems ML Framework for native inference using IEC 61131-3 code},
author = {Constantine Doumanidis and Prashant Hari Narayan Rajput and Michail Maniatakos},
journal= {arXiv preprint arXiv:2202.10075},
year = {2023}
}
备注
12 pages, 8 figures, code available at https://github.com/momalab/ICSML, to appear in CPSS 2023 workshop (ACM AsiaCCS'23)