.png){kind=icon}
返回
Enhancing SCADA Security Using Generative Adversarial Network
.png){kind=icon}
OA
AI
DOI：10.3390/jcp5030073.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
监控和数据采集（SCADA）系统通过提供对大规模分布式操作中设备的实时监控和控制，在工业过程中发挥着关键作用。在网络安全背景下，入侵检测系统（IDSs）通过监控未经授权的访问、恶意活动和策略违规来保护SCADA系统，为潜在入侵提供防御层。鉴于SCADA系统的关键作用和日益增长的网络安全风险，本文强调了从传统的基于签名的IDS转向先进的AI驱动方法的重要性。具体而言，本研究解决了SCADA系统中的入侵检测问题，这些系统是工业控制系统中的关键但脆弱部分。传统的入侵检测系统（IDSs）由于数据匮乏、类别不平衡以及针对DNP3等工业协议的特殊异常检测需求，在SCADA环境中往往表现不足。通过整合生成对抗网络（GANs），本研究通过生成合成数据缓解了这些限制，提高了针对SCADA系统的网络威胁检测的分类准确性和鲁棒性。值得注意的是，所提出的基于GAN的IDS实现了99.136%的卓越准确率，并具备出色的检测速度，满足了工业环境中实时威胁识别的关键需求。除了这些实证进展外，本文建议未来探索可解释AI技术，以提高适用于SCADA环境的IDS模型的可解释性。此外，它鼓励学术界与产业界合作，开发能够准确反映SCADA网络流量的广泛数据集。
Keyword:
GAN
security
network intrusion detection
期刊
J
IF:
0
论文数:
134
被引数:
0
机构
暂无机构信息
引用论文
A step-by-step training method for multi generator GANs with application to anomaly detection and cybersecurity.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏NAttack! Adversarial Attacks to bypass a GAN based classifier trained to detect Network intrusionOAAI
OAAI分享收藏Intrusion Detection for Cyber-Physical Systems Using Generative Adversarial Networks in Fog Environment雾环境下基于生成对抗网络的网络物理系统入侵检测
PREAI
分享收藏
查看更多内容