サイバーフィジカルシステムにおける侵入検知のためのハイブリッド深層アーキテクチャ：最適化に基づくアプローチ

要約 侵入検知システム（IDS）は、悪意のある活動やポリシー違反を監視するネットワークまたはシステムのための装置またはソフトウェアを指します。定期的に、システムは侵入行動や違反を記録し、これは頻繁に管理者に通知されます。サイバーフィジカルシステム（CPS）は、特にネットワーク接続システムと呼ばれ、システムコンポーネントが空間的に分散され、通信ネットワークを介して統合されています。制御メカニズムは計算的重要性を確保しますが、システムは攻撃に影響を与えます。研究者たちは、既存の異常データセットを介してこの問題に対処しようとしています。このように、この論文は特徴の抽出、特徴の選択、検出の三つの主要な段階における侵入検知システムに従います。最初の段階は、標準偏差、平均、最頻値、分散、および中央値などの統計的特徴や、モーメント、パーセンタイル、改善された相関、尖度、相互情報、歪度、フローベースの特徴、情報ゲインベースの特徴のような高次統計的特徴の抽出です。このシナリオでは次元の呪いが重大な問題となるため、適切な特徴を選ぶことが重要です。改善された線形判別分析（LDA）を用いて適切な特徴を選択します。選択された特徴は、最終検出のためにハイブリッド分類器にかけられます。ここでは、CNN（畳み込みニューラルネットワーク）やBi-GRU（双方向ゲート付き再帰単位）などのモデルが組み合わされます。新しいベルヌーイマップ推定算術最適化アルゴリズム（BMEAOA）が追加され、二つの分類器の理想的な重みを調整することでシステムを訓練し、検出結果を改善します。最終的に、その有効性は他の従来の技術と比較して評価されます。