معماری لایه ای Edge AI برای امنیت بلادرنگ سیستم های کنترل صنعتی مطالعه موردی شبکه Modbus

سیستم های کنترل صنعتی (Industrial Control Systems - ICS) و شبکه های SCADA از اجزای اساس زیرساخت های حیاتی در سراسر جهان به شمار می روند و در حوزه هایی نظیر تولید انرژی، شبکه های آب، صنایع نفت و گاز و سیستم های تولیدی نقش حیاتی دارند. در سال های اخیر افزایش اتصال این سیستم ها به شبکه های فناوری اطلاعات (IT) و اینترنت، سطح حمله Attack Surface آن ها را به طور قابل توجهی افزایش داده است. حملات سایبری پیشرفته علیه زیرساخت های صنعتی نشان داده اند که سیستم های ICS و SCADA به دلیل استفاده از پروتکل های ارتباطی قدیمی، معماری های ناهمگن و فقدان مکانیزم های امنیتی مدرن در برابر تهدیدات پیچیده آسیب پذیر هستند. روش های سنتی امنیت سایبری که عمدتا مبتنی بر امضا (Signature-based) هستند در شناسایی حملات پیچیده، تهدیدات ناشناخته و حملات چند مرحله ای در محیط های صنعتی کارایی محدودی دارند. در این میان، هوش مصنوعی Artificial Intelligence و یادگیری ماشین Machine Learning (ML) به عنوان رویکردهایی نوین برای تقویت امنیت سایبری در سیستم های صنعتی مطرح شده اند. این فناوری ها قادرند با تحلیل حجم عظیمی از داده های عملیاتی و شبکه ای الگوهای رفتاری غیرعادی را شناسایی کرده و تهدیدات سایبری را در مراحل اولیه تشخیص دهند. در این مقاله نقش هوش مصنوعی در ارتقای امنیت سایبری سیستم های ICS و SCADA بررسی می شود و نتایج این مطالعه نشان می دهد که بهره گیری از معماری های نوین مبتنی بر هوش مصنوعی به ویژه انتقال پردازش ها به لبه شبکه (Edge-AI) می تواند با کاهش چشمگیر تاخیر و بار شبکه و همچنین حفظ حریم خصوصی داده های حساس، راهکاری بهینه و ضروری برای غلبه بر محدودیت منابع در تجهیزات صنعتی و مقابله بلادرنگ با تهدیدات سایبری باشد.

Keywords:

امنیت سایبری , صنعت سیستم های کنترل صنعتی , SCADA , ICS , هوش مصنوعی , یادگیری ماشین