ارائه روشي براي كشف ناهنجاري در سيستم‌هاي سايبر- فيزيكي از طريق تحليل داده‌هاي حسگري

كارشناسي ارشد

پيشرفت‌ها در رايانش و شبكه، امكان افزودن قابليت‌هاي جديدي را به سيستم‌هاي فيزيكي فراهم كرده است كه پيش از آن، اين قابليت‌ها به طور عملي قابل افزودن نبودند. اين امر منجر به ظهور سيستم‌هاي مهندسي به نام سيستم‌هاي سايبر- فيزيكي شد. اين سيستم‌ها، محيط‌هاي همكاري متشكل از عناصر محاسباتي و ارتباطاتي هستند كه موجوديت‌هاي فيزيكي را به كمك حسگرها و محرك‌ها كنترل مي‌كنند. در واقع سيستم‌هاي سايبر- فيزيكي دامنه‌هاي سايبري (شامل مؤلفه‌هاي شبكه و سرورها) و فيزيكي (شامل حسگرها و محرك‌ها) را با هم تلفيق مي‌كند. سيستم‌هاي مراقبت از سلامت، شبكه‌هاي هوشمند و غيره نمونه‌هاي از سيستم‌هاي سايبر- فيزيكي هستند كه در دنياي امروزه بسيار به كار گرفته مي‌شوند. از آنجايي كه اين سيستم‌ها بسيار مورد استفاده قرار مي‌گيرند اهميت تأمين امنيت اين سيستم‌ها نيز افزايش پيدا كرده است. بنابراين كشف ناهنجاري در اين سيستم‌ها بسيار حائز اهميت است. در اين سيستم‌ها، روش‌هاي كشف نفوذ (كشف نفوذ مبتني بر رفتار، كشف نفوذ مبتني بر دانش، كشف نفوذ مبتني بر ناهنجاري و غيره) هر نمونه داده را به صورت مستقل مورد تحليل قرار مي‌دهند و در واقع از مهمترين خصوصيت اين نمونه‌هاي داده‌ كه خاصيت ترتيبي بودن آن‌ها است صرف نظر مي‌كنند. واضح است كه اغلب ناهنجاري‌ها را تنها با تحليل دنباله‌اي از نمونه‌هاي داده مي‌توان كشف كرد و توسط روش‌هاي ذكر شده، به خاطر تحليل مستقل هر نمونه داده، قابل كشف نخواهند بود. از آنجايي كه ماهيت سري‌هاي زماني وابسته بودن مشاهدات آن‌ها است و همچنين ترتيب مشاهدات در آن‌ها با اهميت است بنابراين تحليل سري‌هاي زماني به منظور كشف ناهنجاري در دنباله‌اي از داده‌ها، مي‌تواند راه‌حل مناسبي باشد. هدف از اين پايان‌نامه، ارائه روشي براي كشف ناهنجاري در سيستم‌هاي سايبر- فيزيكي از طريق تحليل داده‌هاي حسگري است. روش ارائه شده به اين صورت است كه ابتدا داده‌ها از حسگرها دريافت و به صورت سري‌هاي زماني ثبت مي‌شوند‌‌‌‌‌‌، سپس مجموعه داده‌هاي آموزش را مدل كرده و رفتار آينده سيستم پيش‌بيني خواهد شد. در نهايت مجموعه داده‌هاي آزمون را مدل كرده و با مقايسه اين مجموعه داده با رفتار پيش‌بيني شده مي‌توان ناهنجاري‌ها را شناسايي كرد. نتايج آزمايش‌‌هاي انجام شده نشان مي‌دهد كه اين روش داري نرخ تشخيص درست بالا و نرخ تشخيص نادرست بسيار پايين است.

189300

دانشگاه علم و صنعت ايران

نرم‌افزار

دكتر محمد عبداللهي ازگمي