کاربرد هوش مصنوعی در امنیت سایبری شبکه های صنعتی: چارچوبی برای تشخیص و پیشگیری تطبیقی تهدیدات در سامانه های SCADA

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.

Keywords:

امنیت سایبری , هوش مصنوعی , SCADA , یادگیری فدرال , یادگیری عمیق