恶意工业网络流量数据集的系统性综述与特征描述
密码学与安全
2024-12-04 v2
摘要
工业物联网（IIoT）作为Operational Technology（OT）的补充技术，已实现了新的标准化数据访问水平和工艺可见性。这种Information Technology（IT）、OT 和 IIoT 的融合也创造了新的网络安全漏洞和风险，必须加以管理。人工智能（AI）正在成为监控 OT/IIoT 网络恶意活动的强大工具，是 highly 活跃的研究领域。AI 研究人员正将先进的机器学习（ML）和深度学习（DL）技术应用于检测网络流量中的异常或恶意活动。他们通常使用源自 IoT/IIoT/OT 网络流量捕获的数据集来衡量所提出方法的性能。因此，广泛需要数据集用于算法测试。本工作系统性地审查了可公开获取的网络流量捕获数据集，包括攻击类型分类、元数据审查，以及统计与复杂性分析。对每个数据集进行分析，以提供可供研究人员使用的元数据，以便为其研究问题选择最佳数据集。结果不仅为社区带来额外好处，即研究人员可以更轻松地根据其特定机器学习目标选择最佳数据集。
引用
@article{arxiv.2405.04866,
title = {Systematic review and characterisation of malicious industrial network traffic datasets},
author = {Martin Dobler and Michael Hellwig and Nuno Lopes and Ken Oakley and Mike Winterburn},
journal= {arXiv preprint arXiv:2405.04866},
year = {2024}
}
备注
39 pages, preprint submitted to Network and Computer Applications (Elsevier)