پرویز قربانزاده - گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی، ارومیه، ایران
امیدرضا بلوکی اسپیلی - گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی، ارومیه، ایران
پرویز رشیدی خزاعی - گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی، ارومیه، ایران

سیستم های کنترل صنعتی تحت اینترنت شامل دستگاه ها، شبکه ها، سیستم ها و کنترل هایی است که در بستراینترنت برای بهره برداری فرآیندهای صنعتی مورد استفاده قرار می گیرد. امروزه سیستم های کنترل صنعتی به جنبهجدیدی از تحقیقات در حوزه اینترنت اشیاء تبدیل شده اند، چرا که با انواع حملات سایبری مواجه می باشند که موفقیتآنها را در ارائه خدمات پیوسته به سازمان ها دچار چالش می نماید. چنین حملاتی سبب ضرر و زیان شرکت ها و از دستدادن اطلاعات مهم می گردد. اگرچه سیستم های تشخیص نفوذ شبکه (NIDS) برای محافظت از چنین حملاتی پیشنهاد شده است، اما جمع آوری اطلاعات برای توسعه سیستم های تشخیص نفوذ هوشمند که بتواند به طرز ماهرانه ای حملاتجدید را شناسایی نماید، کار بسیار مشکلی می باشد. به منظور مقابله با چنین چالشی،یک روش تشخیص ناهنجاری برایسیستم های کنترل صنعتی اینترنتی مبتنی بر مدل یادگیری عمیق ارائه شده است که قادر است اطلاعات جمع آوریشده از بسته های TCP/IP را فراگرفته و اعتبارسنجی نماید. اینکار شامل یک فرآیند آموزش متوالی با استفاده از یک خودرمزنگار عمیق و یک معماری شبکه عصبی پیشرو است که با دو مجموعه داده شبکه NSL-KDD و UNSW-NB15مورد ارزیابی قرار گرفته است. نتایج آزمایشات تجربی نشان می دهد که این تکنیک می تواند نسبت به سایر روش توسعهیافته و پیاده سازی شده در سیستم های کنترل صنعتی اینترنتی، نرخ تشخیص بالاتر و نرخ مثبت کاذب پایین تری داشته باشد.

سیستم های کنترل صنعتی، سیستم های تشخیص نفوذ، یادگیری عمیق، الگوریتم خودرمزنگار