[論文レビュー] Deep transfer learning for intrusion detection in industrial control networks: A comprehensive review

Hamza Kheddar, Yassine Himeur+1 more|arXiv (Cornell University)|Apr 19, 2023

Network Security and Intrusion Detection参考文献 185被引用数 14

ひとこと要約

本論文は、ディープ転移学習が産業用制御ネットワークにおける侵入検知をどのように強化するかを概説し、分類体系、データセット、手法、今後の方向性を提示する。

ABSTRACT

Globally, the external internet is increasingly being connected to industrial control systems. As a result, there is an immediate need to protect these networks from a variety of threats. The key infrastructure of industrial activity can be protected from harm using an intrusion detection system (IDS), a preventive mechanism that seeks to recognize new kinds of dangerous threats and hostile activities. This review examines the most recent artificial-intelligence techniques that are used to create IDSs in many kinds of industrial control networks, with a particular emphasis on IDS-based deep transfer learning (DTL). DTL can be seen as a type of information-fusion approach that merges and/or adapts knowledge from multiple domains to enhance the performance of a target task, particularly when labeled data in the target domain is scarce. Publications issued after 2015 were considered. These selected publications were divided into three categories: DTL-only and IDS-only works are examined in the introduction and background section, and DTL-based IDS papers are considered in the core section of this review. By reading this review paper, researchers will be able to gain a better grasp of the current state of DTL approaches used in IDSs in many different types of network. Other useful information, such as the datasets used, the type of DTL employed, the pre-trained network, IDS techniques, the evaluation metrics including accuracy/F-score and false-alarm rate, and the improvements gained, are also covered. The algorithms and methods used in several studies are presented, and the principles of DTL-based IDS subcategories are presented to the reader and illustrated deeply and clearly

研究の動機と目的

• IoT および超5G コンテキストにおける産業制御システム（ICS）セキュリティのための侵入検知システム（IDS）の活用を動機づける。
• ディープ転移学習（DTL）モデルとその IDS アプリケーションの包括的分類体系を提供する。
• データセット、事前学習モデル、IDS 技法、評価指標、および報告された改善を調査する。
• DTL ベースの IDS を ICS/ICN 環境で直面する課題を特定し、今後の研究方向を概説する。

提案手法

• 転移学習と IDS キーワードを用いた主要データベース（IEEE Xplore、ACM DL、ScienceDirect、SpringerLink）からの文献選定。
• 3-カテゴリの枠組み：DTLのみの背景、IDSのみの背景、DTL ベースの IDS コア研究。
• DTL モデル（帰納的、伝導的、対断的）と IDS 技術（署名ベース、異常検知、仕様ベース、悪用ベース、ハイブリッドベース）の分類体系の構築。
• ICS/ICN コンテキストでの IDS 評価に用いられるデータセットと関連評価指標（例：精度、F値、誤警報率）。
• 設計判断、利点/欠点、未解決の課題を総括し、今後の方向性を描く。

Figure 1 : Mind map showing the main sections and highlighting the key concepts covered in this review.

実験結果

リサーチクエスチョン

• RQ1 産業用制御ネットワークと ICS セキュリティにおける DTL ベースの IDS の現状はどうなっているか。
• RQ2 DTL モデルを ICS/ICN 環境の IDS アプリケーションのためにどのように分類できるか。
• RQ3 DTL ベースの IDS をベンチマークするために一般に用いられるデータセットと評価指標は何か。
• RQ4 ICS/ICN における IDS ベースの DTL 研究の主な課題と今後の方向性は何か。
• RQ5 DTL アプローチは新たな脅威とデータ不足への適応性という点で従来の IDS 手法とどう比較されるか。

主な発見

• 本レビューは、さまざまな ICS/ICN シナリオにおける IDS 用 DTL アプリケーションを統合し、それらの設計判断と制約を明確にする。
• 帰納的、伝導的、対抗的な DTL を含む IDS のモデルの分類体系を提供する。
• 広く用いられている IDS 技術（署名ベース、異常検知、仕様ベース、悪用ベース、ハイブリッドベース）と DTL の統合方法を要約する。
• ICS コンテキストでの IDS 評価に用いられるデータセットを網羅する（例：SWaT、WADI、ADFA-LD など、論文で参照された他のデータセットを含む）。
• 本論文はオープンな課題を強調し、ICS/ICN ネットワークにおける IDS ベースの DTL を進展させる今後の研究方向を提案する。

Figure 2 : Bibliometric analysis in terms of statistics on: (a) Number of articles involved in this review in each year, (b) Top fifteen most cited papers with their authors and publication year, (c) Top fifteen most relevant papers’ sources, (d) Top fifteen most active authors, (e) Percentage of pa