[论文解读] Deep Learning-Based Anomaly Detection in Cyber-Physical Systems: Progress and Opportunities

Yuan Luo, Ya Xiao+3 more|arXiv (Cornell University)|Mar 30, 2020

Anomaly Detection Techniques and Applications参考文献 116被引用 50

一句话总结

对基于深度学习的网络物理系统异常检测方法的综合综述，提出一个分类法来对攻击、故障、数据输入、模型和评估指标进行分类，并为未来研究提供指南。

ABSTRACT

Anomaly detection is crucial to ensure the security of cyber-physical systems (CPS). However, due to the increasing complexity of CPSs and more sophisticated attacks, conventional anomaly detection methods, which face the growing volume of data and need domain-specific knowledge, cannot be directly applied to address these challenges. To this end, deep learning-based anomaly detection (DLAD) methods have been proposed. In this paper, we review state-of-the-art DLAD methods in CPSs. We propose a taxonomy in terms of the type of anomalies, strategies, implementation, and evaluation metrics to understand the essential properties of current methods. Further, we utilize this taxonomy to identify and highlight new characteristics and designs in each CPS domain. Also, we discuss the limitations and open problems of these methods. Moreover, to give users insights into choosing proper DLAD methods in practice, we experimentally explore the characteristics of typical neural models, the workflow of DLAD methods, and the running performance of DL models. Finally, we discuss the deficiencies of DL approaches, our findings, and possible directions to improve DLAD methods and motivate future research.

研究动机与目标

• 系统性地评估基于深度学习的CPS异常检测方法，以检测故障与攻击。
• 提出基于异常类型、检测策略和评估指标的分类法，以组织现有工作。
• 识别ICS、智能电网、ITS和航空系统等领域的特征和趋势。
• 讨论局限性、尚待解决的问题，以及构建DLAD解决方案的实际指南。
• 在神经网络模型与工作流方面进行实验性探索，以为DLAD性能提供实际见解。

提出的方法

• 按(i) 异常类型（攻击 vs 故障）、(ii) 检测策略（输入数据、神经网络设计、异常分数）、(iii) 实现与评估指标来组织的分类法。
• 在该分类法下回顾并对会议与期刊中的 CPS DLAD 论文进行分类。
• 通过实验性探索典型的神经模型来刻画CPS数据，并说明DLAD工作流与模型的运行性能。
• 就CPS中DL方法的不足之处进行讨论，并提出改进DLAD方法的方向。

实验结果

研究问题

• RQ1 现有DLAD方法的特征是什么？如何按威胁模型、检测策略、实现和评估指标进行分类？
• RQ2 如何将DL模型应用于CPS异常检测，包括神经模型的特征及DLAD工作流？
• RQ3 将DLAD方法应用于CPS异常检测时的局限性与不足是什么？
• RQ4 研究人员如何解决这些局限性并改进DLAD方法？

主要发现

• 作者基于异常类型、检测策略以及实现/评估指标，提出了CPS中DLAD的分类法。
• 他们确定了代表性的CPS领域（ICS、智能电网、ITS、航空系统），并总结了领域特定的特征与趋势。
• 他们通过实验性探索典型的神经模型并概述DLAD工作流与运行性能，以提供实用指南。
• 综述讨论了DL方法在CPS中的局限性和待解决的问题，并强调改进DLAD方法的方向。
• 本工作综合了进展、挑战与未来研究方向，旨在推动基于DL的CPS异常检测的进一步研究。