Модуль машинного обучения для повышения эффективности системы обнаружения вторжений для объектов критической инфраструктуры
Последствия кибератак на объекты критической информационной инфраструктуры по своему потенциальному масштабу превосходят любые иные угрозы информационной безопасности. Задача по обеспечению информационной безопасности АСУ ТП заключается в противодействии угроз как со стороны внешнего, так и со стороны внутреннего нарушителя. При этом, в связи с тем, что атака на технологические сети, применяемые повсеместно, может повлечь за собой крайне негативные, и даже разрушительные последствия (атаки на объекты транспортной, атомной, энергетической инфраструктуры и т.д.), крайне важно обеспечить активную защиту от угроз информационной безопасности, осуществлять постоянный мониторинг новых сценариев атак и своевременно их блокировать путём обновления программного обеспечения. Применение искусственного интеллекта (ИИ) в системах обнаружения вторжений (СОВ) для автоматизированных систем управления технологическими процессами (АСУ ТП) является актуальным шагом в развитии подобных систем по двум причинам: Увеличение и усложнение атак на АСУ ТП, в том числе возрастание количества атак «нулевого дня» (то есть атак, сигнатуры которых не представлены в базах данных СОВ) Усложнение АСУ ТП Согласно отчету Verizon (“2018 data breach investigations report 11th edition,” 2018), приведенному на сайте компании, почти 70% атак были обнаружены не ранее чем через месяц после проникновения злоумышленников. Исходя из этих фактов, существенно усложняется анализ атак и составление правил обработки аномалий (потенциальных признаков атак на АСУ ТП), для чего требуется разработка новых методов обнаружения вредоносных воздействий. В работе разрабатывается модуль машинного обучения для усовершенствования выпускаемого компанией программно-аппаратного комплекса «Аркан», который в настоящее время уже установлен на многих объектах. При этом в рамках предлагаемой тематики гранта ставится задача оптимальной с точки зрения вычислительных ресурсов программной реализации подходов машинного обучения для повышения эффективности уже установленных СОВ без модернизации аппаратной базы.
Производитель: ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "АСП ЛАБС"
Ссылка
Направление
IT
