産業用制御システムのための時系列侵入検出に対する敵対攻撃【JST・京大機械翻訳】

Zizzo Giulio; Hankin Chris; Maffeis Sergio; Jones Kevin

プレプリント

J-GLOBAL ID：202202205526508586 整理番号：21P0019454

産業用制御システムのための時系列侵入検出に対する敵対攻撃【JST・京大機械翻訳】

Adversarial Attacks on Time-Series Intrusion Detection for Industrial Control Systems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2019年11月08日プレプリントサーバーでの情報更新日： 2021年10月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ニューラルネットワークは,産業制御システム(ICS)の侵入検出にますます使用されている。敵対例に対して脆弱であるニューラルネットワークを用いて,ICSに損傷を引き起こすことを望む攻撃者は,敵対的事例技術を用いて検出から攻撃を隠すことを試みる。本研究では,ICS設定における自己回帰ベース侵入検知システム(IDS)に対するそのような攻撃を構築する領域特異的課題に取り組んだ。LSTMベースのIDSを持つICSにおけるセンサの部分集合を妥協できる攻撃者をモデル化した。攻撃者はIDSに送付したデータを操作し,ICSで発生する実際のサイバー物理的攻撃の存在を隠す。連続データのみを吟味し,離散および連続変数の混合物を含むデータについて,Secure水処理システムに関する敵対的攻撃方法論を評価した。連続データ領域において,著者らの攻撃は,平均で損なわれる12のモニターされたセンサから2.87を必要とするサイバー-物理攻撃を成功裏に隠した。離散および連続データの両者で,平均で,26の監視センサのうち3.74が損なわれた。【JST・京大機械翻訳】

, , ,
, , , , , , , , , 【Automatic Indexing@JST】

データ保護 , 計算機網

, , , ,

前のページに戻る