一个模块化的人工智能驱动的入侵检测系统用于工业4.0的网络流量监控,使用Nvidia Morpheus和生成对抗网络
Beatrice-Nicoleta Chiriac1, Florin-Daniel Anton1, Anca-Daniela Ioniță1
1Department of Automation and Industrial Informatics, Faculty of Automatic Control and Computer Sciences, National University of Science and Technology Polithenica Bucharest, 313 Spl. Independenței, RO060042 Bucharest, Romania.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
本研究介绍了一种用于工业4.0的AI驱动入侵检测系统 (IDS),使用XGBoost和联合学习实现90%的准确性. 它快速分析网络流量,增强针对不断变化的威胁的网络安全防御.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 工业控制系统 工业控制系统
背景情况:
- 传统的网络安全防御不足以应对日益增长的数量和复杂的日常攻击.
- 工业4.0环境需要先进的解决方案来处理大量的数据并防止网络威胁.
研究的目的:
- 开发一种通用,基于人工智能的网络入侵检测系统 (IDS) 模型,适用于工业4.0应用.
- 为了利用Nvidia Morpheus框架来提高网络安全中的计算性能.
主要方法:
- 实施一个模块化的IDS,有两个数据分析管道.
- 使用预训练的XGBoost (eXtreme梯度提升) 模型进行分类.
- 集成联合学习,在大约10秒内快速分析超过50万个输入.
- 使用生成对抗网络 (GAN) 来生成多态网络流量以提高模型稳定性.
主要成果:
- XGBoost 模型的准确性得分高达 90%.
- IDS 显示了高的分析速度,在近 10 秒内处理了超过 500,000 个输入.
- 集成GAN增强了入侵检测模型的分类性能.
结论:
- 拟议的人工智能驱动的IDS为工业4.0网络安全提供了强大而高效的解决方案.
- 集成XGBoost,联合学习和GAN显著提高了入侵检测能力.
- 这种方法解决了在工业数字环境中对先进网络安全措施的关键需求.
