بررسی رویکردهای بهبود امنیت سامانه حمل و نقل هوشمند ریلی بر پایه روش Balise از طریق الگوریتم یادگیری ماشین و سیستم فازی

با توسعه سیستم های حمل ونقل ریلی مدرن، ایمنی و قابلیت اطمینان راه آهن های پرسرعت به دلیل سیستم های مدیریت ترافیک هوشمند مناسب، به میزان قابل توجهی بهبود یافته اند. سیستم کنترل و بهره برداری خودکار قطار، اطلاعات چراغ های مکان قطار و اطلاعات ضروری خط راه آهن را از طریق کانال های مختلفی مانند Balise به صورت بی سیم دریافت می کند. با این حال، این فناوری در برابر حملات سایبری-فیزیکی آسیب پذیر است. هدف این مقاله بررسی حملات سایبری موجود به Balise که می توانند منجر به آشفتگی و مشکلات فیزیکی شوند، می باشد. با توجه به محدودیت ها و قیدهای زیرساخت های راه آهن، روش های تشخیص حملات و خرابی مبتنی بر یادگیری ماشینی، پیشنهاد شده اند. همچنین، یک سیستم اقدام متقابل فازی برای بهبود ایمنی قطار در برابر حملات سایبری شناخته شده و ناشناخته توسعه یافته است. نتایج شبیه سازی، دقت ۹۲ درصدی را در سیستم تشخیص حملات موفق پیشنهادی، نشان می دهند. علاوه بر این، تعداد اندکی از هشدارهای مثبت کاذب و منفی کاذب را نیز می توان با استفاده از طرح پیشنهادی آشکار نمود. روش پیشنهادی نیازی به تغییر زیرساخت راه آهن ندارد.

Keywords:

امنیت حمل و نقل ریلی , یادگیری ماشینی , حملات سایبری , سیستم کنترل قطار اروپایی ( ETCS ) , سیستم استنتاج فازی – عصبی وفقی ( ANFIS ) , ماشین بردار پشتیبانی ( SVM )