利用机器学习改进关键SCADA水基础设施的安全信息与事件管理
密码学与安全
2019-04-12 v1 机器学习
摘要
网络控制系统(NAC)已用于许多工业过程。它们旨在减轻人为因素负担，并有效处理这些系统的复杂过程和通信。监控与数据采集(SCADA)系统用于工业、基础设施和设施过程(例如制造、加工、石油和水管道、建筑通风等)。与其他物联网(IoT)实现一样，SCADA系统容易受到网络攻击，因此，鲁棒的异常检测是一个主要需求。然而，拥有准确的异常检测系统并非易事，因为难以区分网络攻击和系统内部故障(例如硬件故障)。在本文中，我们提出了一个模型，用于检测由SCADA控制的水系统中的异常事件。使用了六种机器学习技术来构建和评估该模型。该模型对不同的异常事件进行分类，包括硬件故障(例如传感器故障)、破坏和网络攻击(例如拒绝服务和欺骗)。与其他检测系统不同，我们提出的工作侧重于在发生异常时通知操作员，并给出事件发生的概率。这一额外信息有助于加速缓解过程。该模型使用真实世界数据集进行训练和测试。
引用
@article{arxiv.1904.05724,
title = {Improving SIEM for Critical SCADA Water Infrastructures Using Machine Learning},
author = {Hanan Hindy and David Brosset and Ethan Bayne and Amar Seeam and Xavier Bellekens},
journal= {arXiv preprint arXiv:1904.05724},
year = {2019}
}
备注
17 pages, 8 figures, 4 tables. In the proceeding of International Workshop on the Security of Industrial Control Systems and Cyber-Physical Systems CyberICPS, In Conjunction With ESORICS 2018