تشخیص ناهنجاری ها و حملات سایبری در سیستم های کنترل صنعتی

سیستم های کنترل صنعتی در زیرساخت های مختلف صنایع کشورها مورد استفاده قرار می گیرند و از اهمیت راهبردی برای دولت ها برخوردار هستند. به واسطه ی همین اهمیت و نیز خارج شدن آنها از مکانهای فیزیکی امن و اتصال آنها به شبکه های ارتباطی، حملات سایبری به آنها در سالهای اخیر رو به رشد بوده است. با خوانش اطلاعات حسگرها و عاملهای به کاررفته در این محیطها ما با یک دنباله از سریهای زمانی مواجه خواهیم بود که مدل کردن رفتارهای طبیعی در آنها، می-تواند در شناسایی حملات سایبری به آنها و نیز دیگر ناهنجاریهای رخ داده کمک کننده باشد. همچنین از آنجا که این محیط ها با نویز همراه هستند لازم است تدابیری برای به حداقل رساندن تاثیر این نویز در دقت مدل ها اندیشیده شود. از آن جا که مدل کردن فرآیندهای فیزیکی یک صنعت، نیازمند آشنایی کامل به فرآیندهای آن صنعت بوده و کاری زمان بر است رویکردهای مبتنی بر یادگیری ماشین انتخاب بهتری خواهند بود. روش پیشنهادی این مقاله ترکیبی از شبکه های کانولوشنی یک بعدی با شبکه های خودرمزگذار مبتنی بر حافظه های کوتاه مدت-بلندمدت(lstm ) است که ارزیابی آن بر روی دادگان یک محیط تصفیه ی آب نتایج امیدبخشی را نشان داده است.