What question did this study set out to answer?

Desarrollar y evaluar un marco de detección de anomalías multi-capa para Sistemas de Control Industrial utilizando algoritmos de aprendizaje automático no supervisado.

January 17, 2026Open Access

Marco de Detección de Anomalías Multi-Capa para Sistemas de Control Industrial: Un Análisis Comparativo Exhaustivo de Algoritmos de Aprendizaje Automático No Supervisado

Puntos clave

Desarrollar y evaluar un marco de detección de anomalías multi-capa para Sistemas de Control Industrial utilizando algoritmos de aprendizaje automático no supervisado.
Creó un marco multi-capa que abarca capas de IoT, OT (Tecnología Operativa), Linux, Windows y red.
Evaluó varios algoritmos de aprendizaje automático no supervisado para detectar anomalías de manera efectiva.
Evaluó el rendimiento contra restricciones realistas de tasa de falsos positivos.
Identificó algoritmos efectivos para la detección de anomalías a través de diferentes capas de Sistemas de Control Industrial.
Demostró la importancia de estrategias específicas de capa para minimizar las tasas de falsos positivos.

Resumen

Esta es una versión de preimpresión de un manuscrito destinado a ser enviado a una revista revisada por pares. Esta versión no ha sido sometida a revisión por pares. El documento presenta un marco comprensivo de detección de anomalías multi-capa para Sistemas de Control Industrial (ICS), evaluando algoritmos de aprendizaje automático no supervisado a través de capas de IoT/OT, Linux, Windows y red bajo restricciones realistas de tasa de falsos positivos.

Leer artículo completoexternamente

Me gusta

Guardar

Ver artículo completo