مشخصات پژوهش

عنوان	ک سیستم تشخیص ناهنجاری مبتنی بر یادگیری عمیق در سیستم های کنترل صنعتی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	اسکادا، یادگیری عمیق، امنیت، تشخیص ناهنجاری، حافظه کوتاه مدت طولانی
چکیده	با گسترش اینترنت و استفاده از آن در اکثر سامانهها که منجر به بهبود کارایی میشود، سامانههای اسکادا نیز جهت ارتباطات راه دور و یا افزایش سرعت از شبکه اینترنت استفاده میکنند. این موضوع علاوه بر بهبود کارایی منجر به کاهش امنیت سیستمهای صنعتی و افزایش روزافزون حملههای سایبری در این محیط شدهاست. با توجه به اهمیت سیستم- های صنعتی در جامعه و تاثیر آن بر رفاه انسانها، تامین امنیت برای این سامانهها موضوعی حیاتی است. در این پایاننامه یک مدل خودرمزنگار توالی به توالی جهت تشخیص ناهنجاری به کمک شبکههای عصبی بازگشتی حافظه کوتاه مدت طولانی و شبکههای پرسپترون، تکنیکهایی چون روش کمک معلم، مکانیزم توجه و بردار تعبیه کلمات استفاده شدهاست. مدل پیادهسازی شده بر روی دیتاست SWaTکه حاوی داده- های ترافیکی یک سیستم اسکادا در مقیاس آزمایشگاهی میباشد، بررسی شدهاست. بررسیها نشان میدهد که مدل ارائه شده در این پایان نامه با توالی داده 150بسته (کمتر از یک ثانیه) توانسته است در تشخیص حملهها، به مدلهایی نزدیک باشد که طول توالی داده ورودی آنها از 100ثانیه تا 200ثانیه میباشد. این مدل مبتنی بر شبکه میباشد و ترافیک عبوری کل سیستم را دریافت میکند و در تشخیص حملههای پیچیده- ای که همزمان در چند نقطه مختلف از سامانه رخ میدهند، رفتار قابل قبولی داشته است
پژوهشگران	روح اله یوسف پور (استاد مشاور)، پیام محمودی نصر (استاد راهنما)، فائزه زارع (دانشجو)