خودرمزگذاری گراف زمانی و قابلتفسیر برای شناسایی حملههای(در بازه، خارج از زمان) در سیستمهای کنترل صنعتی
خودرمزگذاری گراف زمانی و قابلتفسیر برای شناسایی حملههای(در بازه، خارج از زمان) در سیستمهای کنترل صنعتی
آرش انوشیروانی1 علی بزرگمهر2
1) دانشجوی کارشناسی ارشد کامیپوتر گرایش رایانش امن دانشگاه جامع انقلاب اسلامی
2) استاد یار دانشگاه جامع انقلاب سلامی
کد IOI مقاله
:
AAHD-ACZCKH
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
بسیاری از حملههای سایبری‑فیزیکی به سیستمهای کنترل صنعتی بهطور ذاتی پنهانکارانه طراحی شدهاند: این حملهها هر قرائت سنسور را درون بازهی عددیِ نرمالِ خود نگه میدارند و تنها از طریق زمانبندی خود را لو میدهند — برای نمونه، سطح یک تانک که در حالی که پمپِ تغذیه خاموش است بالا میرود. تشخیصی که از یک تصویرِ لحظهایِ منفرد یا صرفاً از بزرگیِ مقدار سنسور استدلال میکنند، بهطور ساختاری نسبت به این کلاس از حملهها نابینا هستند. ما خودرمزگذارِ گراف زمانی را معرفی میکنیم؛ یک آشکارساز مبتنی بر بازسازی که یک رمزگذارِ زمانیِ بازگشتی در سطح هر گره را با یک رمزگذارِ توجه‑گرافی روی توپولوژیِ فرایندِ کارخانه ترکیب میکند و کلِ دنبالهی زمانیِ هر گره را بازسازی میکند، بهگونهای که سیگنالِ ناهنجاری شیب و ترتیبِ رویدادها را دربرمیگیرد و نه فقط مقدار لحظهای را. سپس یک لایهی مبتنی بر مقدار Shapley امتیازِ ناهنجاری را به گرههای فیزیکیِ منفرد نسبت میدهد تا تحلیلِ ریشهایِ رو به اپراتور فراهم شود. ما مدل را روی یک زیرمجموعهی واقعی از دادهیSWaT ارزیابی میکنیم که شاملِ حملهای مستند به شیرِ ورودی MV101 و سنسورِ سطحِ تانک LIT101 است. تحت یک پروتکلِ ارزیابیِ عاری از نشتِ داده و بلوک‑طبقهبندیشده، مدلِ TGraphAE به دقتِ 0.919، فراخوانیِ 0.852، امتیازِ F1 برابرِ 0.884، AUC-ROC برابرِ 0.915 و ویژگیِ 0.930 میرسد و از پایههای مقایسهی PCA-Residual و Isolation Forest پیشی میگیرد، در حالی که برتریاش عمدتاً در فراخوانی متمرکز است. یک آزمایشِ حذفی که رمزگذارِ زمانی را برمیدارد فراخوانی را از 0.852 به 0.813 کاهش میدهد. لایهی Shapleyگرههای مرحلهی آب‑خامِ را بهعنوان مشارکتکنندگانِ اصلی رتبهبندی میکند که با مسیرِ مستندِ حمله همخوانی دارد. از آنجا که ارزیابیِ ما بر یک حملهی مستندِ منفرد و یک اجرای آموزشیِ منفرد استوار است، این نتایج را بهعنوان یک مطالعهی مقدماتی گزارش میکنیم.
کلمات کلیدی : شناسایی ناهنجاری سیستمهای کنترل صنعتی گراف زمانی خودرمزگذار تفسیرپذیری swat