تطوير أنظمة الأمن السيبراني استنادًا إلى خوارزميات التعلم الآلي والتعلم العميق لحماية أنظمة الأمن الغذائي: أنظمة التحكم الصناعية

تستخدم أنظمة التحكم الصناعية (ICSs) للبنية التحتية الحرجة على نطاق واسع لتوفير الوظائف الأساسية للمجتمع وغالبًا ما يتم استخدامها في البنية التحتية الحرجة. لذلك، فإن تأمين هذه الأنظمة من الهجمات الإلكترونية أمر ضروري. على مر السنين، تم تقديم عدة مقترحات لأنواع مختلفة من أنظمة اكتشاف الهجمات الإلكترونية، حيث يستخدم كل مفهوم مجموعة مميزة من العمليات والمنهجيات. ومع ذلك، هناك فراغ كبير في الأدبيات فيما يتعلق بالطرق المستخدمة لاكتشاف الهجمات الإلكترونية في أنظمة التحكم الصناعية. التعرف على الهجمات الإلكترونية في أنظمة التحكم الصناعية هو الهدف الأساسي من هذا البحث المقترح. يتم تقديم كشف الشذوذ في أنظمة التحكم الصناعية استنادًا إلى خوارزمية ذكاء اصطناعي. تهدف المنهجية إلى أن تكون دليلًا للبحوث المستقبلية في هذا المجال. من ناحية أخرى، يشمل التعلم الآلي الانحدار اللوجستي، وجيران الأقرب k (KNN)، وتحليل التمييز الخطي (LDA)، وخوارزميات شجرة القرار (DT)، والتعلم العميق الذاكرة الطويلة القصيرة (LSTM)، وشبكة الالتفافية الذاكرة الطويلة القصيرة (CNN-LSTM) لاكتشاف هجمات ICS الضارة. تم اختبار الخوارزميات المقترحة باستخدام مجموعات بيانات ICS الحقيقية من الشركاء الصناعيين Necon Automation وجامعة الإسلام العالمية ماليزيا (IIUM). كانت هناك ثلاثة أنواع من الهجمات: هجوم الرجل في المنتصف (mitm)، هجوم وصول خادم الويب، وهجوم telnet، بالإضافة إلى الوضع الطبيعي. تم تطوير النظام المقترح على مرحلتين: التصنيف الثنائي والتصنيف متعدد الفئات. اكتشف التصنيف الثنائي البرمجيات الخبيثة كعادية أو هجمات، وتم استخدام التصنيف متعدد الفئات لاكتشاف جميع الهجمات الفردية. حققت خوارزميات KNN و DT دقة عالية (100٪) في كل من التصنيف الثنائي والتصنيف متعدد الفئات. علاوة على ذلك، تم تقديم طريقة تحليل الحساسية للتنبؤ بالخطأ بين القيم المستهدفة وقيم التنبؤ. أظهرت نتائج تحليل الحساسية أن خوارزميات KNN و DT حققت R2 = 100٪ في كلا المرحلتين. تم مقارنة النتائج التي تم الحصول عليها مع الأنظمة الموجودة؛ فقد تفوقت الخوارزميات المقترحة على الأنظمة الموجودة.