Докладчик: Пятницкий Илья Альбертович, аспирант кафедры «Защита информации»
Тема: Повышение эффективности моделей машинного обучения в задачах обнаружения атак на автоматизированные системы управления технологическими процессами с использованием методов цифровой обработки сигналов
Аннотация: Традиционные подходы к созданию систем обнаружения атак, такие как подход на основе сигнатур, не позволяют обнаруживать атаки нулевого дня. Для повышения производительности обнаружения атак прибегают к методам машинного обучения, в частности, нейронным сетям. В данной статье рассматривается проблема обнаружения кибератак в промышленных системах управления (ICS) с использованием технологии цифровой обработки сигналов (DSP). Процессы, которые происходят в промышленных автоматизированных системах и которые отражаются в наблюдаемых потоках данных, представляют собой сложные многокомпонентные процессы, что усложняет прогнозирование таких процессов. В этом случае сложные многокомпонентные данные временных рядов следует прогнозировать в различных (краткосрочных, среднесрочных и долгосрочных) временных масштабах. Посредством обработки сигналов от датчиков с использованием гребенки цифровых фильтров нижних частот (ФНЧ) были созданы дополнительные информационные функции, которые описывают систему управления. Экспериментальные исследования были проведены на наборе данных по безопасной обработке воды (SWaT), который показал, что использование дополнительных функций, полученных с использованием технологий DSP, повышает точность обнаружения кибератак на ICS за счет уменьшения ошибок второго типа.