machine learning SIEM water infrastructure

使用机器学习改进关键 SCADA 水利基础设施的 SIEM

这项工作旨在使用不同的机器学习技术来检测 SCADA 水利基础设施中的异常情况（包括硬件故障、破坏和网络攻击）。

使用的数据集

使用的数据集发布在这里

引文

如果您想引用该论文，请使用以下格式；

@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"
}

使用的算法

• 逻辑回归

• 高斯朴素贝叶斯

• k-最近邻

• 支持向量机

• 决策树

• 随机森林

如何运行它：

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]

• 预处理的输出将作为“dataset_processed.csv”保存在克隆目录中

• 分类输出在每个输出（异常、受影响的组件、场景等）的文件夹中分开。每个文件夹都包含每个算法的 csv，其中包含其混淆矩阵和包含组合结果的“CrossValidation.csv”文件。