ICSREF: A Framework for Automated Reverse Engineering of Industrial Control Systems Binaries
工业控制系统(ICS)的安全性在过去几年中受到越来越多的关注,因为发现了针对工业环境的真正威胁。尽管有这种关注,但用于可编程逻辑控制器的ICS二进制文件的逆向工程过程的自动化仍然是一个开放的问题,这主要是由于ICS供应商使用专有编译器。这种自动化可能是一把双刃剑;一方面,它可以加速数字取证调查和事件响应行动,另一方面,它可以动态生成恶意ICS有效载荷。在这项工作中,我们提出了一个结构化的方法,自动化的逆向工程过程中ICS二进制文件,考虑到其独特的特定领域的特点。我们应用这种方法来开发模块化的工业控制系统逆向工程框架(ICSREF),并实例化ICSREF模块,用于反转编译的二进制代码,广泛使用的软件栈和编译器的PLC。为了评估我们的框架,我们通过从公共代码库收集真实的PLC二进制文件以及内部开发二进制文件来创建样本数据库。我们的研究结果表明,ICSREF可以成功地处理不同的PLC二进制从不同的行业部门,无论使用的程序设计语言。此外,我们还在商用智能手机上部署了ICSREF,该智能手机可以针对化学过程测试平台编排和发起完全自动化的过程感知攻击。这个动态负载生成的示例展示了ICSREF如何在没有任何先验知识的情况下实现复杂的攻击。
2018-12-09 cs.CR
RemTraceNet: Few-Shot Forensic Detection of Invisible Watermark Attacks
针对水印去除的取证隐蔽性问题,提出少样本取证网络RemTraceNet,融合多种残差与频域证据,在23个流程上优于基线10.8-15.7个百分点,证明去除痕迹可学习。
2026-09-29 cs.CR cs.CV
KYPO4INDUSTRY: A Testbed for Teaching Cybersecurity of Industrial Control Systems
工业控制系统和信息技术系统对网络安全的要求不同。这一事实加剧了雇用具有相关技能的网络安全员工的全球问题。在本文中,我们提出了KYPO 4INDUSTRY培训设施和课程大纲的初学者和中级计算机科学学生学习网络安全在模拟工业环境。该培训设施使用开源硬件和软件构建,并提供工业控制系统的可重新配置模块。该课程采用翻转课堂形式,并配有动手项目:学生们创建复制真实网络攻击的教育游戏。在整个学期中,他们学习了解风险,并获得应对针对工业控制系统的网络攻击的能力。我们所描述的测试平台设计及其使用经验可以帮助任何对网络物理系统网络安全教学感兴趣的教育工作者。
2020-04-24 cs.CR
Side-channel based intrusion detection for industrial control systems
工业控制系统正受到越来越多的审查。它们的安全性历来低于标准,尽管制造商正在采取措施来补救这一点,但传统系统的庞大安装基础无法轻松地更新最先进的安全措施。我们提出了一个系统,使用电磁侧信道测量来检测在工业控制系统上运行的软件的行为变化。为了证明这种方法的可行性,我们表明,它是可能的配置文件和区分西门子S7-317 PLC上的程序,即使是很小的变化,使用加密的边通道分析的方法。
2017-12-15 cs.CR
Model Forensics in AI-Native Wireless Networks: Taxonomy, Applications, and Case Study
College of Computer Science, Chongqing University(重庆大学计算机学院);College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院)
本文探讨了人工智能原生无线网络中的模型取证问题,包括模型真实性验证、恶意功能识别和责任追溯,通过RF指纹案例展示取证技术的实际应用。
2026-05-14 cs.CR eess.SP
Fuzzy approach on modelling cyber attacks patterns on data transfer in industrial control systems
工业控制系统的网络安全是一个非常复杂和具有挑战性的研究课题,由于这些系统集成在国家关键基础设施。控制系统现在在工业网络中互连,并且经常与互联网互连。在这种情况下,它们正成为黑客、脚本小子、工业间谍甚至外国军队和情报机构等恶意人员进行的各种网络攻击的目标。在本文中,作者提出了一种方法来模拟最常见的攻击者配置文件,并估计在给定条件下进行的攻击的成功率。作者使用一种模糊的方法来生成攻击者配置文件的基础上,攻击者的属性,如知识,技术资源和动机。攻击成功率是通过使用另一个模糊推理系统,分析攻击者的配置文件和系统的内在特性。
2019-11-30 cs.CR
A Taxonomy for Contrasting Industrial Control Systems Asset Discovery Tools
资产扫描和发现是组织了解他们拥有哪些资产以及需要保护哪些资产的首要步骤。目前有大量的免费和商业资产扫描工具专门用于识别工业控制系统(ICS)中的资产。然而,关于它们的比较能力以及各自功能的对比信息很少。也不清楚这些工具可以达到什么样的扫描深度,以及它们是否适合规模化的工业网络架构。我们提供了第一个系统的功能比较免费使用的资产扫描工具的基础上,我们提出的ICS扫描分类。基于分类法,我们调查扫描深度达到的工具的功能,并验证我们的调查,通过实验西门子,施耐德电气和艾伦布拉德利设备在测试平台环境中。
2022-02-03 cs.CR
Secure Links: Secure-by-Design Communications in IEC 61499 Industrial Control Applications
工业控制系统(ICS)中日益增加的自动化和外部连接要求更加重视软件级通信安全性。在这篇文章中,我们提出了一个安全的设计开发方法,用于构建ICS应用程序,其中ISA/IEC 62443等安全标准的要求通过称为安全链接的设计时抽象来满足。作为IEC 61499开发标准的扩展,安全链路将轻量级和传统的安全机制结合到应用程序中,只需微不足道的努力。包含安全链接的应用程序可以自动编译为完全符合IEC 61499标准的软件。实验结果表明,安全链接显着降低设计和代码的复杂性,提高应用程序的可维护性和需求的可追溯性。
2021-07-24 cs.CR
Towards the Leveraging of Data Deduplication to Break the Disk Acquisition Speed Limit
传统上,数字取证证据的获取速度受到两个主要因素的限制:被调查的存储设备的读取速度,即,磁盘、存储器、远程存储器、移动终端等的读取速度),以及用于存储采集数据的系统的写入速度。数字取证调查人员可以通过在取证实验室的受控环境中使用高速存储选项(如网络RAID存储)来缓解后一个问题。然而,传统上,几乎无法将采集速度提高到超过其从目标设备本身的物理读取速度。数据采集所花费的长时间浪费了数字取证专家的时间,导致全球数字取证调查积压,并且延迟了可能影响调查方向的相关信息。在远程采集场景中,第三个影响因素也可能对总体采集时间造成损害-通常是采集系统的互联网上传速度。本文探讨了一种替代传统的证据采集模型,通过利用法医数据重复数据删除系统。的优点,重复数据删除的方法可以提供超过目前的数字取证证据采集过程中的概述和一些初步的结果进行了讨论的原型实现。
2016-10-20 cs.CR cs.CY
CoRT: A Communication Robustness Testbed for Industrial Control System Components
由于快速数字化,互联设备的数量不断增长,从而为攻击者提供了更大的攻击面。特别是在关键的基础设施和制造业中,可以远程观察和控制过程,成功的攻击可能导致高昂的成本和损害。因此,有必要研究工业控制系统(ICS)设备,如可编程逻辑控制器(PLC),以使这些部门更加安全。一种可能的攻击媒介是利用设备的网络通信。因此,强大的通信系统对于确保安全性至关重要。不幸的是,对真实世界的ICS的高需求使得很难在其运行时评估组件的安全性。然而,这在研究测试平台中是可能的,在那里可以在安全的环境中进行测试和分析。本文介绍了我们的测试平台和测量方法的ICS组件的通信鲁棒性测试研究。
2019-04-08 cs.CR
ICSLure: A Very High Interaction Honeynet for PLC-based Industrial Control Systems
University of Calabria(卡拉布里亚大学);IMT School for Advanced Studies Lucca(卢卡高等研究院)
针对传统ICS蜜罐真实感不足的问题,提出融合实体PLC与虚拟化网络组件的高交互蜜网框架ICSLure,可高保真模拟工业环境,提升威胁数据质量,助力ICS攻击分析与防护。
2025-09-04 cs.CR
SoK: Attacks on Industrial Control Logic and Formal Verification-Based Defenses
可编程逻辑控制器(PLC)在工业控制系统中起着至关重要的作用。PLC程序中的漏洞可能导致攻击,对关键基础设施造成毁灭性后果,如Stuxnet和类似攻击所示。近年来,我们看到PLC控制逻辑报告的漏洞呈指数级增长。回顾过去的研究,我们发现广泛的研究探讨了控制逻辑修改攻击,以及基于形式化验证的安全解决方案。我们对这些研究进行了系统化,并发现了可能危及整个控制链并逃避检测的攻击。然而,大多数的形式化验证的研究调查的ad-hoc针对PLC程序的技术。我们发现了形式化验证的各个方面的挑战,这些挑战来自于(1)不断扩展的攻击面,(2)程序执行期间的实时约束,以及(3)给定对不同技术的专有和特定于供应商的依赖性的安全评估中的障碍。在知识系统化的基础上,我们为未来的研究方向提供了一套建议,并强调了除了安全问题之外,还需要防御安全问题。
2021-03-23 cs.CR
PCaaD: Towards Automated Determination and Exploitation of Industrial Processes
在过去的十年中,可编程逻辑控制器(PLC)越来越多地成为攻击者的目标,以获得对支持关键服务的工业过程的控制。这种有针对性的攻击通常需要系统特定属性的详细知识,包括硬件配置,采用的协议和PLC控制逻辑,即过程理解。学术界和实践者的共识表明,单独从PLC获得的隐形过程理解,进行有针对性的攻击,是不切实际的。相比之下,我们断言,目前的PLC编程实践打开了大门,一个新的脆弱性类的基础上控制逻辑结构。为了支持这一点,我们提出了过程理解的距离(PCaaD)的概念,作为一种新的方法和自动化的方法,用于PLC库功能的系统不可知开发,导致有针对性的操作数据的渗出,控制逻辑行为的操纵,并通过未使用的内存建立隐蔽的命令和控制通道。我们验证PCaaD广泛使用的PLC,通过识别实际的攻击。
2021-02-19 cs.CR
On Ladder Logic Bombs in Industrial Control Systems
在工业控制系统中,通常使用可编程逻辑控制器(PLC)等设备直接与传感器和执行器交互,并执行本地自动控制。PLC在两个不同的层上运行软件:a)固件(即操作系统)和b)控制逻辑(处理传感器读数以确定控制动作)。在这项工作中,我们讨论了梯形逻辑炸弹,即恶意软件写在梯形逻辑(或其他IEC 61131-3兼容的语言之一)。这种恶意软件将被攻击者插入PLC上的现有控制逻辑中,并且要么持续改变行为,要么等待特定的触发信号来激活恶意行为。例如,LLB可以用操纵值替换合法的传感器读数。我们将LLB的概念视为Stuxnet攻击等攻击的概括。我们在抽象层面上介绍LLB,然后在我们的实验室中展示了基于真实PLC设备的几种设计。特别是,我们还专注于隐形LLB,即难以被人工验证PLC中运行的程序的人类操作员检测到的LLB。除了介绍逻辑层上的漏洞,我们还讨论了对策,我们提出了两种检测技术。
2017-02-17 cs.CR
Uncovering Vulnerable Industrial Control Systems from the Internet Core
工业控制系统(ICS)是在专用协议的帮助下进行远程管理的,这些协议最初是为在围墙花园中工作而设计的。这些协议中的许多协议已经适应于互联网传输并支持广域通信。ICS现在在域间级别上交换不安全的流量,不仅使公共关键基础设施而且使互联网生态系统(例如,DRDoS~攻击)。在本文中,我们发现了不受保护的域间ICS流量在两个中央互联网的有利地位,一个IXP和一个ISP。这种流量分析与来自蜜罐和互联网范围扫描的数据相关联,以区分工业和非工业ICS流量。我们提供了一个深入了解互联网范围内的ICS通信。我们的研究结果可以用于i)创建精确的过滤器,潜在的有害的非工业ICS流量,和ii)检测ICS发送未受保护的域间ICS流量,容易受到窃听和流量操纵攻击。
2020-04-23 cs.CR cs.NI
Vulnerability Assessment of Industrial Control System with an Improved CVSS
University of Alberta(阿尔伯塔大学)
针对工业从业者对ICS网络攻击重视不足的问题,提出基于改进CVSS的ICS网络攻击风险评估方法,经CSTR模型验证,发现物理系统层级受攻击危害最高,控制器等为攻防关键组件。
2023-06-14 cs.AI cs.CR
Detecting Cyberattacks in Industrial Control Systems Using Convolutional Neural Networks
Ben Gurion university(本-古里安大学)
本文提出了一种使用无监督深度神经网络(具体为卷积神经网络)检测工业控制系统(ICS)网络攻击的研究。该研究是在SecureWater Treatment testbed(SWaT)数据集上进行的,该数据集代表了现实世界工业水处理厂的缩小版本。我们提出了一种基于测量预测值与观测值的统计偏差的异常检测方法。我们通过使用各种深度神经网络架构(包括卷积和递归网络的不同变体)来应用所提出的方法。SWaT的测试数据集包括36种不同的网络攻击。所提出的方法成功地检测到了绝大多数的攻击,具有较低的误报率,从而改善了以前的作品基于此数据集。研究结果表明,一维卷积网络可以成功地应用于工业控制系统中的异常检测,并优于更复杂的递归网络,同时更小,更快的训练。
2018-12-10 cs.CR cs.LG
Threat-based Security Controls to Protect Industrial Control Systems
本文分析了针对工业控制系统(ICS)的威胁与常见战术、技术和程序(TTP),利用MITRE ATT&CK框架映射TTP以明确防御所需的安全控制,并回顾了ICS测试床及未来研究方向。
2025-01-22 cs.CR cs.SY eess.SY
Digital Twin-based Intrusion Detection for Industrial Control Systems
KTH Royal Institute of Technology(瑞典皇家理工学院);RISE Research Institute of Sweden(瑞典RISE研究院)
数字孪生最近在工业控制系统(ICS)的仿真、优化和预测性维护方面获得了极大的兴趣。最近的研究讨论了在工业系统中使用数字孪生进行入侵检测的可能性。因此,这项研究有助于数字孪生为基础的安全框架的工业控制系统,扩展其能力的模拟攻击和防御机制。在工业灌装厂的独立开源数字孪生上实现了四种类型的过程感知攻击场景:命令注入、网络拒绝服务(DoS)、计算测量修改和朴素测量修改。在对8种有监督机器学习算法离线评价的基础上,提出了一种基于层叠集成分类器的实时入侵检测方法。通过结合各种算法的预测,所设计的堆叠模型在F1分数和准确性方面优于以前的方法,同时它可以近实时(0.1秒)检测和分类入侵。本研究亦讨论了所提出的基于数字孪生的安全框架的实用性和好处。
2022-07-20 cs.CR cs.LG
ICSrange: A Simulation-based Cyber Range Platform for Industrial Control Systems
工业控制系统(ICS)的维护人员通常不了解信息技术,更不了解网络安全问题。网络攻击在工业世界中的可怕影响需要工具来训练防御技能和测试有效的安全措施。网络范围提供了这一机会,但目前的研究缺乏针对工业领域的垂直化成本效益解决方案。这项工作提出了ICSrange,一个基于仿真的工业控制系统的网络范围平台。ICSrange采用商用现货(COTS)技术来虚拟化连接到工业控制系统的企业网。ICSrange是一项初步研究的结果,旨在调查挑战和机遇,以建立一个可配置和可扩展的网络范围与模拟工业过程。文献表明,基于真实模型的测试平台可以有效地用于开发复杂的漏洞,如高级持续性威胁(APT),从而激发它们在ICS中用于训练和测试安全性。我们证明了ICSrange的有效性,通过执行一个多阶段的攻击,违反了企业网和逐步入侵模拟ICS与水箱。攻击模仿横向运动中观察到的APT。
2019-09-04 cs.CR cs.SY eess.SY
ICSTrace: A Malicious IP Traceback Model for Attacking Data of Industrial Control System
University of Science and Technology of China(中国科学技术大学)
针对工业控制系统的攻击大多是有组织、有预谋的行为,IP追踪对于工业控制系统的安全具有重要意义。基于互联网的基础设施,我们开发了一个新的恶意IP追踪模型-ICSTrace,没有部署任何新的服务。该模型根据工业控制协议的格式从攻击数据中提取功能代码及其参数,并采用短序列概率方法将功能代码及其参数转化为一个向量,该向量表征恶意IP地址的攻击模式。此外,部分种子K-Means算法提出的模式的聚类,这有助于追溯到一个组织的攻击。基于大规模部署的工业控制系统蜜罐捕获的攻击数据对ICSTrace进行了评估,结果表明ICSTrace对工业控制系统中的恶意IP追踪是有效的。
2019-12-30 cs.CR cs.LG cs.NI
Attack Pattern Mining to Discover Hidden Threats to Industrial Control Systems
Singapore University of Technology and Design, Singapore(新加坡科技设计大学);Newcastle University, Newcastle, United Kingdom(纽卡斯尔大学);Bahria University, Pakistan(巴里亚大学)
本文提出了一种数据驱动技术生成工业控制系统攻击模式,通过案例研究验证了其有效性,生成超过10万种攻击模式。
2025-08-06 cs.CR cs.LG
Anomaly Detection for Industrial Control Systems Using Sequence-to-Sequence Neural Networks
The Affiliated Institute of ETRI(韩国电子通信研究院附属研究所)
提出了一种工业控制系统运行数据异常检测方法。将序列到序列神经网络应用于ICS运行数据的训练和预测,并解释其时间序列特征。所提出的方法只需要一个正常的数据集,以了解ICS的正常状态和检测离群值。使用SWaT(安全水处理)数据集对该方法进行了评估,检测到36次攻击中的29次。报告的方法还检测攻击点,并检测到53个点中的25个。本研究详细分析了假阳性和假阴性的实验结果。
2019-11-12 cs.CR cs.LG
RISKTAGGER: Evidence-Guided LLM Agent for Post-Incident Forensic Analysis of Money Laundering in Web3
School of Software Engineering, Sun Yat-sen University(中山大学软件学院);Guangdong Engineering Technology Research Center of Blockchain(广东省区块链工程技术研究中心);The State Key Laboratory of Blockchain and Data Security, Zhejiang University(浙江大学区块链与数据安全全国重点实验室);Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security(杭州高新技术开发区(滨江)区块链与数据安全研究院);Department of Computing, The Hong Kong Polytechnic University(香港理工大学计算系)
针对Web3加密货币洗钱法医分析面临的挑战,提出RISKTAGGER,将大语言模型作为证据约束决策组件,从公共事件材料提取线索,递归扩展资金流图并生成报告。经多案例评估,能恢复资金路径、识别风险账户,组织证据成可验证报告。
2026-07-14 cs.CR cs.SE
Medoid Prototype Alignment for Cross-Plant Unknown Attack Detection in Industrial Control Systems
University of Malaya(马来大学)
本文提出一种中位原型对齐框架,用于跨工厂的未知攻击检测,通过压缩异构流量并提取稳健的中位原型,提升跨域迁移稳定性,实验表明其在四个未知攻击迁移任务中表现最佳。
2026-04-28 cs.AI cs.CR
Network Security in the Industrial Control System: A Survey
本文系统综述了工业控制系统常用协议及其脆弱性,并从纵深防御角度梳理了数据加密、访问控制、入侵检测和软件定义网络等网络安全技术,为该领域提供新视角。
2023-08-07 cs.CR cs.SE
Optimal security hardening over a probabilistic attack graph: a case study of an industrial control system using the CySecTool tool
CySecTool是一个工具,可以在给定的预算中为概率攻击图找到成本最优的安全控制组合。组合是针对计算机系统采用的漏洞的一组对策或控制,而攻击图是一种威胁场景模型。在攻击图中,节点是攻击者的特权状态,边是提升特权的漏洞,而控制降低了某些漏洞被利用的概率。该工具基于Khouzani等人(2019)发表的优化算法,使用户能够快速创建,编辑和逐步改进模型,分析给定投资组合的结果,并以帕累托边界的形式显示所有可能预算的最佳解决方案。利用系统图和工业安全工程师根据他们工作的工业源准备的可疑攻击路径进行了案例研究。该案例研究的目标是对监控和数据采集(SCADA)工业系统进行建模,由于该系统可能会对人造成伤害,因此需要强有力的保护,同时不允许使用典型的渗透工具,如漏洞扫描仪。分析结果,以显示网络安全分析师将如何使用CySecTool存储网络安全情报,并得出进一步的结论。
2022-04-25 cs.CR cs.SY eess.SY
Cybersecurity for Industrial Control Systems: A Survey
工业控制系统(ICS)是一个通用术语,包括监控和数据采集(SCADA)系统、分布式控制系统(DCS)和其他控制系统配置,如可编程逻辑控制器(PLC)。ICSs通常出现在工业部门和关键基础设施中,如核电厂和热电厂、水处理设施、发电厂、重工业和配电系统。尽管ICS与互联网隔离了很长时间,但可实现的显著商业利益正在推动ICS与互联网以及信息技术(IT)环境(如云计算)之间的融合。因此,信息通信系统已暴露于大多数网络攻击中使用的攻击媒介。然而,ICS设备本质上对这种高级攻击场景的安全性要低得多。对ICS的妥协可能会导致巨大的身体损害和对人类生命的危险。在这项工作中,我们密切关注ICS从独立系统到基于云的环境的转变。然后,我们讨论了主要的工作,从工业界和学术界对安全的ICS的发展,特别是机器学习技术的ICS网络安全的适用性。这项工作可能有助于解决保护工业流程的挑战,特别是在将其迁移到云环境时。
2020-02-10 cs.CR cs.NI cs.SY
Evaluating Cascading Impact of Attacks on Resilience of Industrial Control Systems: A Design-Centric Modeling Approach
Imperial College London(帝国理工学院);Singapore University of Technology and Design(新加坡科技设计大学)
本文提出了一种以设计为中心的建模方法,用于建模工业控制系统控制的物理过程,并研究数据导向攻击的连锁影响。通过威胁模型指导CPS模型的构建,提取出处于攻击者意图和能力范围内的控制组件,并对其控制依赖性和操作设计规范进行建模。该方法在水处理测试平台上得到了演示和验证,通过模拟攻击并使用提出的指标如影响比和临界状态时间来评估测试平台对攻击的韧性。从攻击分析中识别了设计的优缺点,并推荐了设计改进以提高测试平台对攻击的韧性。
2020-07-17 cs.CR cs.SY eess.SY
Clustering-Enhanced Domain Adaptation for Cross-Domain Intrusion Detection in Industrial Control Systems
University of Malaya(马来亚大学)
本文提出一种增强聚类的领域适应方法,用于工业控制系统跨领域入侵检测,通过特征迁移学习和聚类增强策略提升检测准确性与稳定性。
2026-04-14 cs.AI cs.CR cs.LG
Autonomous Attack Mitigation for Industrial Control Systems
Stanford University(斯坦福大学);Johns Hopkins University Applied Physics Lab(约翰斯·霍普金斯大学应用物理实验室)
保护计算机网络免受网络攻击需要及时响应警报和威胁情报。关于如何响应的决策涉及基于不完美的妥协指标协调多个节点的行动,同时最大限度地减少对网络运营的中断。目前,剧本用于自动化响应过程的部分,但通常将复杂的决策留给人类分析师。在这项工作中,我们提出了一个深度的强化学习方法,在大型工业控制网络的自主响应和恢复。我们提出了一种基于注意力的神经架构,该架构对受保护的网络的大小是灵活的。为了训练和评估自主防御Agent,我们提出了一个适合强化学习的工业控制网络仿真环境。实验表明,学习代理可以有效地减轻高级攻击,在执行前几个月内几乎没有可观察到的信号。所提出的深度强化学习方法在模拟中优于完全自动化的剧本方法,采取更少的破坏性行动,同时还保护网络上的更多节点。学习的策略也比剧本方法对攻击者行为的变化更鲁棒。
2021-11-03 cs.AI cs.CR cs.LG
Cybernetic modeling of Industrial Control Systems: Towards threat analysis of critical infrastructure
Electronics Corporation of India Limited, ECIL(印度电子公司,ECIL)
本文提出基于信息论的工业控制系统建模方法,通过引入可行系统模型原理,为关键基础设施威胁分析提供系统性视角和决策支持。
2015-10-07 cs.CR cs.SY eess.SY
Anomaly Detection for Industrial Control Networks using Machine Learning with the help from the Inter-Arrival Curves
工业控制网络(ICN),例如监控和数据采集(SCADA)系统,广泛用于工业中,用于监视和控制物理过程。这些行业包括发电和供应、天然气和石油生产和输送、水和废物管理、电信和运输设施。互联网的整合使这些系统面临网络威胁。国际竞争网络受损的后果取决于一个国家的经济和功能可持续性。因此,加强安全性和确保正确操作成为工业控制系统(ICS)的最大关注点之一,需要加以解决。在本文中,我们提出了一个异常检测方法ICN使用系统的物理特性。我们开发了发电过程的操作基线,并使用贪婪和遗传特征选择算法减少特征集。分类是基于支持向量机(SVM),k-最近邻(k-NN),和C4.5决策树的帮助下,从到达间隔曲线。结果表明,所提出的方法成功地检测到异常,具有很高的准确度。此外,他们还证明了SVM和C4.5在使用到达间隔曲线时,即使对于高灵敏度攻击也能产生准确的结果。与此相比,k-NN无法对低和中等敏感度的攻击测试用例产生良好的结果。
2019-11-02 cs.CR cs.DC cs.SY