تشخیص و مقابله با حملات سایبری در زیر ساخت های صنعتی با استفاده از یادگیری عمیق
تشخیص و مقابله با حملات سایبری در زیر ساخت های صنعتی با استفاده از یادگیری عمیق
سعید حسن زاده اصل1 مریم علیزاده2
1) دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، دانشگاه تبریز، تبریز، ایران -
2) کارشناسی فناوری اطلاعات، دانشگاه شهید مدنی آذربایجان، تبریز، ایران -
کد IOI مقاله
:
XBFB-DDCBF
محل انتشار :
کنگره بین المللی مهندسی، فناوری و نوآوری(eticong.com/1st)
چکیده :
امنیت شبکه هوشمند یک چالش بزرگ در نوسازی شبکه است. در حالی که بسیاری از راه حل های موجود بر ویژگی های تعریف شده انسان متکی هستند برای توسعه ابزارهای یادگیری ماشین در برابر سوء استفاده های برجسته، این ویژگی ها در شبکه هوشمند گران تر و کمتر موثر هستند. برای تکمیل بیشتر ویژگی های با کیفیت بالا برای نظارت بر تهدید مبتنی بر یادگیری ماشین، این مقاله یک چارچوب یادگیری عمیق مبتنی بر رمزگذار خودکار (SAE) را پیشنهاد داد تا ویژگی های شناخته شده در مقابل انتقال حملات اسکادا را توسعه دهد. در مقایسه با آشکارسازهای پیشرفته یادگیری ماشین، چارچوب پیشنهادی، خودکار بودن یادگیری ویژگی های بدون نظارت را برای کاهش وابستگی به مدل های سیستم و مهارت های انسانی در سناریوهای امنیتی پیچیده به همراه می آورد. شبیه سازی با داده های جمع آوری شده از تست های شبکه هوشمند با دقت بالا نشان داد که ویژگی های ماشینی به طور موثری باعث اختلاف دقیق تر از سوءاستفاده های اسکادا در سیستم های انتقال قدرت می شود.
کلمات کلیدی : سیستم های انتقال قدرت اسکادا یادگیری ماشین حمله سایبری یادگیری عمیق