machine learning SIEM water infrastructure

기계 학습을 사용하여 중요한 SCADA 수자원 인프라에 대한 SIEM 개선

이 작업은 SCADA 수자원 인프라에서 이상 현상(하드웨어 오류, 방해 행위 및 사이버 공격 포함)을 탐지하는 데 다양한 기계 학습 기술을 사용하는 것을 목표로 합니다.

사용된 데이터세트

사용된 데이터 세트는 여기에 게시됩니다.

소환

논문을 인용하려면 다음 형식을 사용하세요.

@InProceedings{10.1007/978-3-030-12786-2_1,
author="Hindy, Hanan and Brosset, David and Bayne, Ethan and Seeam, Amar and Bellekens, Xavier",
editor="Katsikas, Sokratis K. and Cuppens, Fr{'e}d{'e}ric and Cuppens, Nora and Lambrinoudakis, Costas and Ant{'o}n, Annie and Gritzalis, Stefanos and Mylopoulos, John and Kalloniatis, Christos",
title="Improving SIEM for Critical SCADA Water Infrastructures Using Machine Learning",
booktitle="Computer Security",
year="2019",
publisher="Springer International Publishing",
address="Cham",
pages="3--19"
}

사용된 알고리즘

• 로지스틱 회귀

• 가우스 나이브 베이즈

• k-최근접이웃

• 서포트 벡터 머신

• 의사결정 트리

• 랜덤 포레스트

실행 방법:

Clone this repository
run preprocessing.py [dataset log path]
run classification.py [data processed file path]
run classification-with-confidence.py [data processed file path]

• 전처리 결과는 복제된 디렉터리에 'dataset_processed.csv'로 저장됩니다.

• 분류 출력은 각 출력(이상, 영향을 받은 구성 요소, 시나리오 등)에 대한 폴더로 구분됩니다. 각 폴더에는 혼동 행렬이 있는 각 알고리즘에 대한 csv와 결합된 결과가 포함된 'CrossValidation.csv' 파일이 포함되어 있습니다.