Towards Low-Barrier Cybersecurity Research and Education for Industrial Control Systems

要約

サイバー攻撃によって引き起こされる壊滅的な物理的損害のため、公共の重要なインフラストラクチャで採用されている産業用制御システム (ICS) の保護は最も重要です。
研究コミュニティは、ICS を保護するためのさまざまな侵入検知アルゴリズムを検証および比較するためのテストベッドを必要としています。
しかし、高価なハードウェア、ソフトウェア、および現実世界のシステム操作に内在する危険性により、ICS サイバーセキュリティ領域の研究と教育には高い参入障壁が存在します。
このギャップを埋めるために、最近開発された 3D 高忠実度シミュレーターに基づいて構築された、サイバー攻撃を自動的に開始し、データを収集し、機械学習モデルをトレーニングし、実際の化学および製造プロセスを評価するための統合フレームワークをさらに紹介します。
私たちのテストベッドでは、Minimal Threshold and Window SVM (MinTWin SVM) と呼ばれる提案された侵入検知モデルを検証します。このモデルは、スライディング ウィンドウと分類しきい値と組み合わせた 1 クラス SVM による教師なし機械学習を利用します。
結果は、MinTWin SVM が誤検知を最小限に抑え、物理プロセスの異常に応答することを示しています。
さらに、学部の機械学習コースで当社のデータセットを使用することで、当社のフレームワークを ICS サイバーセキュリティ教育に組み込んでおり、学生は実践的な ICS データセットを使用して機械学習理論を実践する実践的な経験を積んでいます。
私たちの実装はすべてオープンソース化されています。

要約(オリジナル)

The protection of Industrial Control Systems (ICS) that are employed in public critical infrastructures is of utmost importance due to catastrophic physical damages cyberattacks may cause. The research community requires testbeds for validation and comparing various intrusion detection algorithms to protect ICS. However, there exist high barriers to entry for research and education in the ICS cybersecurity domain due to expensive hardware, software, and inherent dangers of manipulating real-world systems. To close the gap, built upon recently developed 3D high-fidelity simulators, we further showcase our integrated framework to automatically launch cyberattacks, collect data, train machine learning models, and evaluate for practical chemical and manufacturing processes. On our testbed, we validate our proposed intrusion detection model called Minimal Threshold and Window SVM (MinTWin SVM) that utilizes unsupervised machine learning via a one-class SVM in combination with a sliding window and classification threshold. Results show that MinTWin SVM minimizes false positives and is responsive to physical process anomalies. Furthermore, we incorporate our framework with ICS cybersecurity education by using our dataset in an undergraduate machine learning course where students gain hands-on experience in practicing machine learning theory with a practical ICS dataset. All of our implementations have been open-sourced.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google