一种新且安全的人工智能使零信任入侵检测在工业物联网架构中成为可能

科学领域:

• * 信息和通信技术 (ICT) 的应用
• * 网络安全 * 网络安全
• * 工业物联网 (IIoT) 的发展

背景情况:

• *数字技术和人工智能 (AI) 与联合学习 (FL) 等进步正在改变工业环境,提高效率和系统可靠性.
• * 不幸的是,通过数字技术增加的全球互联性导致了重大缺点,特别是网络犯罪的增加,对政府,企业和民间社会构成威胁.
• *先进数字技术 (ADT) 的整合创造了易受网络威胁的复杂环境,需要采取先进的安全措施.

研究的目的:

• * 提交关于使用人工智能,机器学习 (ML) 和深度学习 (DL) 来检测网络漏洞的调查报告,以主动保护生态系统免受恶意攻击.
• * 对网络入侵和自主恶意检测进行ML-enabled分类器和组合的检查.
• * 探索在工业物联网生态系统中整合支持人工智能的零信任入侵检测架构.

主要方法:

• * 应用AI,ML和DL用于自主威胁检测和漏洞识别.
• *利用联合学习 (FL) 在没有数据集中的情况下进行协作威胁分析.
• * 检查ML分类器和组件用于网络入侵检测.
• * 实施网络安全和物联网 (IoT) 安全策略,包括"停止和倾听"方法.

主要成果:

• *模拟演示了拟议的人工智能支持的零信任入侵检测架构的有效性.
• * 综合方法显示了更有效和高效地分析攻击背景的潜力.
• * 拟议的解决方案是实时在工业环境中实施的强有力的候选者.

结论:

• *开发的支持人工智能的零信任入侵检测系统为工业物联网环境中的网络威胁提供了强大的防御.
• *将AI,ML和DL与零信任原则相结合,为网络漏洞检测和缓解提供了一个主动和高效的方法.
• * 该研究强调了先进的人工智能技术的可行性和潜力,以保护相互连接的工业系统免受不断发展的网络犯罪的影响.