面向工业控制系统低门槛网络安全研究与教育
密码学与安全
2023-09-06 v2 人工智能
摘要
由于网络攻击可能造成灾难性物理损害，用于公共关键基础设施的工业控制系统（ICS）的保护至关重要。研究界需要测试床来验证和比较各种入侵检测算法以保护ICS。然而，由于昂贵的硬件、软件以及操控真实系统的固有危险，ICS网络安全领域的研究与教育存在很高的入门门槛。为缩小这一差距，基于近期开发的3D高保真模拟器，我们进一步展示了我们的集成框架，可自动发起网络攻击、收集数据、训练机器学习模型，并针对实际化工与制造过程进行评估。在我们的测试床上，我们验证了所提出的称为最小阈值与窗口SVM（MinTWin SVM）的入侵检测模型，该模型通过一类SVM结合滑动窗口与分类阈值来利用无监督机器学习。结果表明，MinTWin SVM最小化了误报并对物理过程异常具有响应性。此外，我们将该框架融入ICS网络安全教育，在本科机器学习课程中使用我们的数据集，使学生获得用实际ICS数据集实践机器学习理论的动手经验。我们所有实现均已开源。
引用
@article{arxiv.2308.16769,
title = {Towards Low-Barrier Cybersecurity Research and Education for Industrial Control Systems},
author = {Colman McGuan and Chansu Yu and Qin Lin},
journal= {arXiv preprint arXiv:2308.16769},
year = {2023}
}
备注
accepted to the 20th Annual IEEE International Conference on Intelligence and Security Informatics (ISI)