Biblioteca93.141 documentos en línea

Artículo

Intrusion Detection for Industrial Control Systems Based on Open Set Artificial Neural NetworkDetección de intrusiones en sistemas de control industrial basada en redes neuronales artificiales de conjunto abierto

Resumen

La seguridad de los sistemas de control industrial (ICS) ha recibido mucha atencin en los ltimos aos. Antes eran redes cerradas. Pero con el desarrollo de las tecnologas de la informacin, los ICS se han conectado a Internet, aumentando el potencial de ciberataques. Dado que los ICS estn tan estrechamente vinculados a la vida humana, cualquier dao que sufran podra tener consecuencias desastrosas. Como tcnica de proteccin, se han realizado muchos estudios sobre sistemas de deteccin de intrusiones (IDS). Sin embargo, debido al complicado entorno de red y al aumento de los medios de ataque, es difcil abarcar todas las clases de ataque, y la mayora de las tcnicas de clasificacin existentes son difciles de implantar en un entorno real, ya que no pueden hacer frente al problema de los conjuntos abiertos. Proponemos una nueva metodologa basada en redes neuronales artificiales para resolver este problema. El mtodo propuesto puede clasificar clases conocidas y detectar clases desconocidas. Llevamos a cabo la investigacin desde dos puntos de vista. Por un lado, utilizamos la capa openmax en lugar de la capa softmax tradicional. Openmax supera las limitaciones de softmax, permitiendo a las redes neuronales detectar clases de ataque desconocidas. Por otro lado, durante el entrenamiento se aplica una nueva funcin de prdida denominada prdida central para mejorar la capacidad de deteccin. El modelo de red neuronal aprende mejores representaciones de caractersticas con la supervisin combinada de la prdida central y la prdida softmax. Evaluamos la red neuronal en los conjuntos de datos NF-BoT-IoT-v2 y Gas Pipeline. Los experimentos muestran que nuestro mtodo propuesto es comparable con el algoritmo de ltima generacin en trminos de deteccin de clases desconocidas. Pero nuestro mtodo tiene un mejor rendimiento general de clasificacin.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento