機械学習を用いたSWaTプラント産業制御システムにおけるサイバー攻撃検出

サイバー攻撃の検出は、産業制御システム（ICS）のセキュリティと整合性を維持するために重要です。本研究は、セキュアウォータートリートメント（SWaT）プラントテストベッドにおけるサイバー攻撃を特定するための機械学習アプローチを紹介します。このデータセットは、シンガポール工科大学から得られたもので、51のセンサーとアクチュエーターからのデータを含んでいます。研究では、従来の機械学習アルゴリズムであるランダムフォレスト（R.F.）、サポートベクターマシン（SVM）、K近傍法（KNN）と共に、長短期記憶（LSTM）ネットワークを使用してサイバー攻撃を分類しています。LSTMモデルは他の手法を上回り、テスト精度98.02%（サイバー攻撃: 97.80%、非攻撃: 98.30%）を達成しました。データセットの不均衡な性質を考慮し、精度、再現率、F1スコアなどの追加指標も評価され、従来のアルゴリズムと比較してLSTMモデルの堅牢性が確認されました。この研究は、LSTMネットワークがICSのサイバーセキュリティを強化する上での有効性を示し、サイバー脅威を検出し軽減するためのプロアクティブな戦略の必要性を強調しています。