基于深度学习的电动汽车充电站 SCADA 系统勒索软件检测
系统与控制
2021-04-16 v1 机器学习
系统与控制
摘要
监控与数据采集（SCADA）系统持续利用网络架构、通信协议、下一代通信技术（5G、6G、Wi-Fi 6）和物联网（IoT）的发展。然而，SCADA 系统已成为勒索软件攻击者最有利可图和最具吸引力的目标。本文提出基于深度学习的电动汽车充电站（EVCS）SCADA 控制下的新型勒索软件检测框架，并对三种深度学习算法（即深度神经网络（DNN）、一维卷积神经网络（CNN）和长短期记忆（LSTM）循环神经网络）进行性能分析。所有三种基于深度学习的仿真框架在 10 折分层交叉验证下均达到约 97% 的平均准确率（ACC）、超过 98% 的平均曲线下面积（AUC）和平均 F1 分数，平均误报率（FAR）小于 1.88%。勒索软件驱动的分布式拒绝服务（DDoS）攻击倾向于通过超出 SOC 控制阈值来转移 SOC 曲线。研究发现，随着攻击推进和渗透增加，严重程度随之上升。此外，勒索软件驱动的虚假数据注入（FDI）攻击可通过操纵 SOC 控制阈值损坏整个电池储能系统（BES）或物理系统。基于性能指标之间的权衡，部署何种深度学习算法是一个设计选择与优化问题。
引用
@article{arxiv.2104.07409,
title = {Ransomware Detection Using Deep Learning in the SCADA System of Electric Vehicle Charging Station},
author = {Manoj Basnet and Subash Poudyal and Mohd. Hasan Ali and Dipankar Dasgupta},
journal= {arXiv preprint arXiv:2104.07409},
year = {2021}
}
备注
conference