面向低维工控网数据集的对抗样本攻击分析

周 文 张世琨 丁 勇 陈 曦

1(北京大学软件与微电子学院 北京 100871) 2(北京大学软件工程国家工程研究中心 北京 100871) 3(中国航空油料集团有限公司 北京 100088) 4(鹏城实验室 广东深圳 518000) 5(中国软件测评中心 北京 100048)

云-边计算、人工智能、物联网等新一代信息技术与工业制造技术的加速融合，促使工业控制系统由封闭走向开放、由单机走向互联、由自动化走向智能化；拓展了工业控制系统发展空间但同时扩大了工业控制系统攻击面，工业控制网络面临的传统安全威胁和工控网络特有的安全威胁日益增多.近10年里，工业控制网络经历了各种网络攻击，造成巨大损失.台湾积体电路制造股份有限公司(中文简称：台积电，英文简称：TSMC)2018年8月遭网络攻击，损失1.7亿美元[1]；全球知名铝生产商挪威海德鲁公司(Norsk Hydro A.S.)2019年3月遭网络攻击，损失4 000万美元[2]；全球知名汽车零部件制造商丰田集团旗下子公司——日本丰田纺织株式会社(TOYOTA BOSHOKU)，2019年9月遭遇攻击，损失3 700万美元[3].工业系统的网络攻击正成为一种日趋严重的安全威胁.

入侵检测是一种主动防御措施，能够及时发现目标系统潜在的入侵行为[4].机器学习算法，特别是深度神经网络(deep neural networks, DNNs)学习算法在工控网络系统入侵检测方面展示了卓越的检测能力[5-6].与信息网络不同，工业控制领域常用的监视控制与数据采集系统(supervisory control and data acquisition, SCADA)，网络拓扑结构固定，节点之间的事务重复并有规则，这种相对固定的工作模式更加有利于入侵检测系统(intrusion detection system, IDS)检测异常活动.

然而机器……