تشخیص حمله سایبری مبتنی بر یادگیری عمیق در راستای ایجاد اینترنت اشیا صنعتی قابل اعتماد

در این مقاله، ما یک رویکرد جدید برای بهبود قابلیت اعتماد شبکه‌های مجهز به اینترنت صنعتی اشیا پیشنهاد می‌کنیم. ما یک کنترل دقیق و قابل اعتماد نظارتی و اکتساب داده (scada) مبتنی بر شبکه تشخیص حمله سایبری در این شبکه‌ها را پیشنهاد می‌کنیم. طرح پیشنهادی واحدهای مکرر هرمی مبتنی بر یادگیری عمیق (pru) و درخت تصمیم (dt) را با شبکه‌های اینترنت اشیاء صنعتی مبتنی بر scada ترکیب می‌کند. ما همچنین از یک روش یادگیری گروهی برای شناسایی حملات سایبری در شبکه‌های اینترنت صنعتی اشیا مبتنی بر scada استفاده می‌کنیم. طرح پیشنهادی بر روی 20 مجموعه داده تولید شده از شبکه های مبتنی بر scada ارزیابی می شود. نتایج تجربی نشان می‌دهد که طرح پیشنهادی از روش‌های سنتی و رویکردهای تشخیص مبتنی بر یادگیری ماشین بهتر عمل می‌کند. طرح پیشنهادی امنیت و معیارهای مربوط به قابلیت اعتماد را در شبکه‌های فعال شده با اینترنت اشیاء صنعتی بهبود می‌بخشد.