Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju
Abstract
Tehničko rešenje (nova metoda - M85) pripada oblasti proizvodnog mašinstva i direktno se odnosi na jedan od domena istraživanja u okviru projekta „Deep Machine Learning and Swarm Intelligence-based Optimization Algorithms for Control and Scheduling of Cyber-Physical Systems in Industry 4.0“ (akronim - MISSION4.0, evidencioni broj 6523109), koji je finansiran od strane Fonda za nauku Republike Srbije – domen razvoja sistema za detekciju napada u cilju zaštite kibernetsko fizičkih sistema u okviru postrojenja Industrije 4.0. Shodno tome, metodom se rešava problem detekcije sajber napada na bazi signala dobijenih sa senzora raspoređenih unutar postrojenja. Sistem detekcije zasnovan je na modelu koji je dobijen dubokim mašinskim učenjem (DL - engl. Deep Learning). Konkretno, za modeliranje ponašanja sistema korišćeni su različiti tipovi rekurentnih neuronskih mreža (RNN - engl. Recurrent Neural Networks), kao i konvolucione neuronske mreže (CNN - engl. Convolutional Neural Networks). Predl...oženi algoritam je eksperimentalno verifikovan na dva javno dostupna skupa podataka: 1) SWaT (Secure Water Treatment) skup podataka i 2) skup podataka dobijen sa elektropneumatskog sistema za pozicioniranje koji je razvijen u okviru Laboratorije za automatizaciju proizvodnih procesa Mašinskog fakulteta Univerziteta u Beogradu.
Keywords:
kibernetsko fizički sistemi / sajber bezbednost / duboko mašinsko učenjeSource:
Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022., 2022Funding / projects:
- Ministry of Science, Technological Development and Innovation of the Republic of Serbia, institutional funding - 200105 (University of Belgrade, Faculty of Mechanical Engineering) (RS-MESTD-inst-2020-200105)
- MISSION4.0 - Deep Machine Learning and Swarm Intelligence-Based Optimization Algorithms for Control and Scheduling of Cyber-Physical Systems in Industry 4.0 (RS-ScienceFundRS-AI-6523109)
Collections
Institution/Community
Mašinski fakultetTY - GEN AU - Nedeljković, Dušan AU - Jakovljević, Živana PY - 2022 UR - https://machinery.mas.bg.ac.rs/handle/123456789/5658 AB - Tehničko rešenje (nova metoda - M85) pripada oblasti proizvodnog mašinstva i direktno se odnosi na jedan od domena istraživanja u okviru projekta „Deep Machine Learning and Swarm Intelligence-based Optimization Algorithms for Control and Scheduling of Cyber-Physical Systems in Industry 4.0“ (akronim - MISSION4.0, evidencioni broj 6523109), koji je finansiran od strane Fonda za nauku Republike Srbije – domen razvoja sistema za detekciju napada u cilju zaštite kibernetsko fizičkih sistema u okviru postrojenja Industrije 4.0. Shodno tome, metodom se rešava problem detekcije sajber napada na bazi signala dobijenih sa senzora raspoređenih unutar postrojenja. Sistem detekcije zasnovan je na modelu koji je dobijen dubokim mašinskim učenjem (DL - engl. Deep Learning). Konkretno, za modeliranje ponašanja sistema korišćeni su različiti tipovi rekurentnih neuronskih mreža (RNN - engl. Recurrent Neural Networks), kao i konvolucione neuronske mreže (CNN - engl. Convolutional Neural Networks). Predloženi algoritam je eksperimentalno verifikovan na dva javno dostupna skupa podataka: 1) SWaT (Secure Water Treatment) skup podataka i 2) skup podataka dobijen sa elektropneumatskog sistema za pozicioniranje koji je razvijen u okviru Laboratorije za automatizaciju proizvodnih procesa Mašinskog fakulteta Univerziteta u Beogradu. T2 - Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022. T1 - Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju UR - https://hdl.handle.net/21.15107/rcub_machinery_5658 ER -
@misc{ author = "Nedeljković, Dušan and Jakovljević, Živana", year = "2022", abstract = "Tehničko rešenje (nova metoda - M85) pripada oblasti proizvodnog mašinstva i direktno se odnosi na jedan od domena istraživanja u okviru projekta „Deep Machine Learning and Swarm Intelligence-based Optimization Algorithms for Control and Scheduling of Cyber-Physical Systems in Industry 4.0“ (akronim - MISSION4.0, evidencioni broj 6523109), koji je finansiran od strane Fonda za nauku Republike Srbije – domen razvoja sistema za detekciju napada u cilju zaštite kibernetsko fizičkih sistema u okviru postrojenja Industrije 4.0. Shodno tome, metodom se rešava problem detekcije sajber napada na bazi signala dobijenih sa senzora raspoređenih unutar postrojenja. Sistem detekcije zasnovan je na modelu koji je dobijen dubokim mašinskim učenjem (DL - engl. Deep Learning). Konkretno, za modeliranje ponašanja sistema korišćeni su različiti tipovi rekurentnih neuronskih mreža (RNN - engl. Recurrent Neural Networks), kao i konvolucione neuronske mreže (CNN - engl. Convolutional Neural Networks). Predloženi algoritam je eksperimentalno verifikovan na dva javno dostupna skupa podataka: 1) SWaT (Secure Water Treatment) skup podataka i 2) skup podataka dobijen sa elektropneumatskog sistema za pozicioniranje koji je razvijen u okviru Laboratorije za automatizaciju proizvodnih procesa Mašinskog fakulteta Univerziteta u Beogradu.", journal = "Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022.", title = "Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju", url = "https://hdl.handle.net/21.15107/rcub_machinery_5658" }
Nedeljković, D.,& Jakovljević, Ž.. (2022). Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju. in Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022.. https://hdl.handle.net/21.15107/rcub_machinery_5658
Nedeljković D, Jakovljević Ž. Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju. in Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022.. 2022;. https://hdl.handle.net/21.15107/rcub_machinery_5658 .
Nedeljković, Dušan, Jakovljević, Živana, "Algoritam za detekciju sajber napada kod energetski ograničenih kibernetsko fizičkih sistema baziran na dubokom mašinskom učenju" in Tehničko rešenje je prihvaćeno od strane Matičnog naučnog odbora za mašinstvo i industrijski softver, 2022. (2022), https://hdl.handle.net/21.15107/rcub_machinery_5658 .