ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ ПОВЫШЕНИЯ КИБЕРБЕЗОПАСНОСТИ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ
DOI:
https://doi.org/10.52167/1609-1817-2024-133-4-161-170Ключевые слова:
нейросетевые технологии, кибербезопасность, автоматизированная система управления технологическими процессами, железнодорожный транспортАннотация
В современном мире кибербезопасность (КБ) автоматизированных систем управления технологическими процессами (АСУ ТП) становится все более критичной, например, в таких сферах, как железнодорожный транспорт (ЖДТ). Несанкционированное вмешательство в работу АСУ ТП на ЖДТ может привести к катастрофическим последствиям, включая аварии, срывы перевозок и значительный финансовый ущерб. В этой связи разработка эффективных методов обеспечения кибербезопасности АСУ ТП ЖДТ является актуальной задачей. В данной статье предлагается новая модель обеспечения КБ АСУ ТП ЖДТ, основанная на методе предиктивной защиты на базе нейросетевых технологий. Предлагаемая модель использует два типа искусственных нейронных сетей (ИНС). Это MDN-RNN (рекуррентная нейронная сеть с сетью смеси распределений на выходе), для оценки временных и числовых характеристик прогнозируемого инцидента КБ в ходе реализации процесса перевозок на ЖДТ, а также полносвязная ИНС для отбора оптимальной стратегии КБ из доступных вариантов. В результате работы модели формируется перечень действий, которые необходимо предпринять при обнаружении новых видов угроз для АСУ ТП ЖДТ. Эти действия направлены на минимизацию ущерба от деструктивных воздействий на объект, управляемый АСУ ТП ЖДТ. Предлагаемая модель, описанная в виде концепта, позволит прогнозировать инциденты КБ до того, как они нанесут ущерб, что обеспечивает превентивную защиту АСУ ТП ЖДТ. Заметим, что модель может быть адаптирована к различным типам АСУ ТП ЖДТ и угроз ИБ. В модели используются методы машинного обучения, которые позволяют ей «обучаться» на основе исторических данных и совершенствовать свои прогнозы с течением времени. На наш взгляд, предлагаемая модель является перспективным решением для обеспечения кибербезопасности АСУ ТП ЖДТ, поскольку позволит повысить уровень защиты этих систем от различных угроз, что способствует безопасности и надежности железнодорожных перевозок.
Библиографические ссылки
[1] Chernov, D. Definition of protective measures of information security of automated process control systems. In 2021 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), May 2021, pp. 993-997. IEEE.
[2] Durakovskiy, A. P., Gavdan, G. P., Korsakov, I. A., & Melnikov, D. A. About the cybersecurity of automated process control systems. Procedia Computer Science, 190, 2021, pp. 217-225.
[3] Marali, M., Sudarsan, S. D., & Gogioneni, A. Cyber security threats in industrial control systems and protection. In 2019 International Conference on Advances in Computing and Communication Engineering (ICACCE), April 2019, pp. 1-7. IEEE.
[4] Marali, M., Sudarsan, S. D., & Gogioneni, A. Cyber security threats in industrial control systems and protection. In 2019 International Conference on Advances in Computing and Communication Engineering (ICACCE), April 2019, pp. 1-7. IEEE.
[5] Chernov, D., & Sychugov, A. Problems of information security and availability of automated process control systems. In 2019 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), March 2019, pp. 1-5. IEEE.
[6] Asghar, M. R., Hu, Q., & Zeadally, S. Cybersecurity in industrial control systems: Issues, technologies, and challenges. Computer Networks, 2019, 165, p. 106946.
[7] Fan, X., Fan, K., Wang, Y., & Zhou, R. Overview of cyber-security of industrial control system. In 2015 international conference on cyber security of smart cities, industrial control system and communications (SSIC), August 2015, pp. 1-7. IEEE.
[8] Knowles, W., Prince, D., Hutchison, D., Disso, J. F. P., & Jones, K. A survey of cyber security management in industrial control systems. International journal of critical infrastructure protection, 9, 2015, pp. 52-80.
[9] Drias, Z., Serhrouchni, A., & Vogel, O. Analysis of cyber security for industrial control systems. In 2015 international conference on cyber security of smart cities, industrial control system and communications (ssic) August 2015, pp. 1-8. IEEE.
[10] Byres, E., & Lowe, J. The myths and facts behind cyber security risks for industrial control systems. In Proceedings of the VDE Kongress, October 2004, Vol. 116, pp. 213-218.
[11] Konyavsky, V. A., Ross, G. V., Sychev, A. M., Kvasnitsky, V. N., & Zhuravleva, T. B. The upgrade of security of automated process control systems. International Journal of Electronic Security and Digital Forensics, 13(5), 2021, pp. 515-527.
[12] Popov, O. B., & Sukhostat, L. (Eds.). Cybersecurity for Critical Infrastructure Protection Via Reflection of Industrial Control Systems, Vol. 62, 2022. IOS Press.
[13] Kravchik, M., & Shabtai, A. Detecting cyberattacks in industrial control systems using convolutional neural networks. In Proceedings of the 2018 workshop on cyber-physical systems security and privacy. January 2018, pp. 72-83.
[14] Zhang, F., Kodituwakku, H. A. D. E., Hines, J. W., & Coble, J. Multilayer data-driven cyber-attack detection system for industrial control systems based on network, system, and process data. IEEE Transactions on Industrial Informatics, 15(7), 2019, pp. 4362-4369.
[15] Glebets, A. L., Golovlev, M. O., & Ragozin, A. N. Digital Neural Network Model of the Detector of Anomalous Changes in the Signals Reflecting the Operation of Automated Process Control Systems of Enterprises under the Influence of Cyber Attacks. In 2023 25th International Conference on Digital Signal Processing and its Applications (DSPA). March 2023, pp. 1-6. IEEE.
[16] Асяев, Г. Д., & Соколов, А. Н. Модель обеспечения информационной безопасности автоматизированной системы управления технологическим процессом на основе метода предиктивной защиты с использованием рекуррентной и полносвязной нейронных сетей. Вестник УрФО. Безопасность в информационной сфере, 1(39), 2021, c. 54-61.
[17] Правиков, Д.И. Об одном подходе к обеспечению информационной безопасности автоматизированных систем, Вопросы защиты информации, 2007, № 3, c. 17-19.
[18] Duarte, F. F., Lau, N., Pereira, A., & Reis, L. P. LSTM, ConvLSTM, MDN-RNN and GridLSTM Memory-based Deep Reinforcement Learning. In ICAART. 2, 2023, pp. 169-179.
[19] Лахно, В. А. Кібербезпека комп’ютерних систем транспорту. Electrotechnic and Computer Systems, 21 (97), 2016, c. 76-80.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Валерий Лахно, Феруза Маликова, Жулдыз Алимсейтова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
