چکیده مقاله
سامانه های کنترل صنعتی ICS و اسکادا SCADA به طور فزاینده ای در معرض تهدیدات سایبری پیچیده قرار دارند که می توانند تاثیرات مخربی بر فرآیندهای حیاتی صنعتی بگذارند در این مقاله چارچوبی مبتنی بر هوش مصنوعی برای تشخیص و پیشگیری خودکار حملات سایبری در شبکه های صنعتی پیشنهاد می شود این مدل ترکیبی از شبکه های عصبی کانولوشنی Convolutional Neural Networks یا CNN و یادگیری فدرال Federated Learning است که به طور همزمان ویژگی های فضایی و زمانی داده ها را تحلیل کرده و تهدیدات را شناسایی می کند داده ها از پایگاه های NSL KDD و Modbus TCP استخراج شدند نتایج نشان داد که مدل پیشنهادی توانست دقت تشخیص ۹۸، نرخ هشدار کاذب ۱٫۷ و زمان شناسایی ۱۰۲ ثانیه را برای شناسایی تهدیدات ارائه دهد این چارچوب به ویژه برای شبکه های صنعتی که نیاز به حفظ امنیت داده ها دارند کارایی بالایی دارد و می تواند به طور هوشمند و خودکار حملات را شبیه سازی و پیش بینی کند
کلیدواژهها
نویسندگان
جاسم احمدی
میترا مطلق
میترا مطلق
جاسم احمدی
شیوه ارجاع
�حمدی، جاسم و مطلق، میترا،1404،کاربرد هوش مصنوعی در امنیت سایبری شبکه های صنعتی: چارچوبی برای تشخیص و پیشگیری تطبیقی تهدیدات در سامانه های SCADA،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد