MACHINE LEARNING-BASED CYBERATTACK DETECTION IN OT-NETWORKS: A COMPARATIVE ANALYSIS OF NETWORK ANOMALY CLASSIFICATION METHODS

Аңдатпа

Өнеркәсіптік желілерге бағытталған кибершабуылдар санының артуы операциялық технологиялар (OT) ортасындағы аномальды белсенділікті уақтылы анықтауға қойылатын талаптарды күшейтуде. Зерттеудің мақсаты – OT желілеріндегі кибершабуылдарды анықтау және желілік аномалияларды жіктеу үшін машиналық оқыту әдістерінің тиімділігін салыстырмалы бағалау. Эксперименттік әдістеме желілік трафикті алдын ала өңдеуді, ақпараттық белгілер кеңістігін қалыптастыруды және Random Forest, XGBoost, Support Vector Machine және көпқабатты нейрондық желі модельдерін оқытуды қамтиды. Алгоритмдердің тиімділігі Accuracy, Precision, Recall, F1-score және ROC-AUC көрсеткіштері, сондай-ақ шабуылдардың әртүрлі санаттарын анықтау қабілеті бойынша бағаланды. Ең жоғары нәтижені XGBoost көрсетті: Accuracy – 98,4%, F1-score – 98,1%, ROC-AUC – 0,994. Салыстырмалы талдау ансамбльдік әдістерді қолдану жалған іске қосылулардың төмен деңгейін сақтай отырып, желілік аномалияларды анықтау дәлдігін арттыруға мүмкіндік беретінін көрсетті. Алынған нәтижелер өнеркәсіптік OT-инфрақұрылымдарға арналған интеллектуалды басып кіруді анықтау жүйелерін әзірлеуде қолданылуы мүмкін.