POET：一种 PROFINET 工业操作行为的自学习框架
密码学与安全
2023-07-13 v1 人工智能
网络与互联网体系结构
系统与控制
系统与控制
摘要
自 2010 年以来，针对工业基础设施的多起网络事件（如 Stuxnet 和 CrashOverride）暴露了工业控制系统（ICS）面对网络威胁的脆弱性。工业系统的投运时长往往长达数十年，常导致不符合工业网络安全机制的技术发展要求。网络基础设施信息的缺失使得设计安全策略或配置网络入侵检测系统（NIDS）等网络安全对策变得困难。一种经验性解决方案是从受监控网络流量中自学习工业系统的网络基础设施信息，使网络对异常检测等下游分析任务透明化。本文报道了一个基于 Python、感知工业通信范式的框架——PROFINET 操作枚举与跟踪（POET），其枚举了基于 PROFINET 的工业系统中以确定顺序执行的不同工业操作。驱动操作的工业网络协议帧被解析以枚举操作。为捕获由通信事件触发的工业操作间转换需求，建模了有限状态机（FSM）以枚举设备、连接和系统的 PROFINET 操作。POET 从网络流量中提取网络信息以实例化合适的 FSM 模型（设备、连接或系统）并跟踪工业操作。它成功检测并报告了在微型化基于 PROFINET 的工业系统中由网络攻击触发的异常，该攻击通过合法网络协议交互执行，并导致设备的无效 PROFINET 操作转换。
引用
@article{arxiv.2305.03175,
title = {POET: A Self-learning Framework for PROFINET Industrial Operations Behaviour},
author = {Ankush Meshram and Markus Karch and Christian Haas and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2305.03175},
year = {2023}
}
备注
To be published in the proceedings of EAI TRIDENTCOM 2022