ارائه­ دهنده:
امید رستمی

 استاد راهنما:
دکتر محمد عبدالهی ازگمی

هیات داوری: 
 دکتر رضا انتظاری ملکی
دکتر سودهحسینی

زمان:
 ۱۴۰۲/۰۳/۳۱

ساعت ۱۳:۰۰
 

آقای امید رستمی دانشجوی کارشناسی ارشد دکتر محمد عبدالهی ازگمی روز چهارشنبه ۳۱ خردادماه ساعت ۱۳:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "روشی برایتشخیص ناهنجاریها در سیستمهای سایبر-فیزیکی با استفاده از رویکرد انتزاع رفتاری خودکار" دفاع خواهند نمود.

چکیده پایان نامه:                                     
   کشف ناهنجاری‌ها و حملات در سیستم‌های سایبر-فیزیکی (CPS) به دلیل نمود یافتن روزافزون آنها در کنترل سیستم‌های حیاتی از اهمیت بالایی برخوردار است. با این حال، به دلیل ناهمگونی و تنوع اجزای سیستم‌های سایبر-فیزیکی، روابط پیچیده بین مقادیر حس شده و حملات یا ناهنجاری‌های احتمالی، این یک کار چالش‌برانگیز است. چنین روابط پیچیده‌ای، از نتایج محدودیت‌های فیزیکی و هنجارهای دامنه است که در بسیاری از حوزه‌های CPS وجود دارد. یکی از رویکردهای امن‌سازی سیستم‌های سایبر-فیزیکی، افزودن ویژگی‌های امنیتی پیشرفته است. با توجه به انواع محدودیت‌ها از جمله بازخورد محیط فیزیکی، کنترل توزیع شده، پاسخ در بی‌درنگ، توزیع جغرافیایی در مقیاس وسیع و ویژگی‌های چند لایه بر روی یک سیستم امنیتی پیچیده غیرممکن است. قدرت و هزینه مورد نیاز نیز محدودیت‌هایی را در طراحی سیستم سایبر-فیزیکی ایجاد می‌کند و وجود نرم‌افزار و سخت‌افزار پیشرفته بر روی آنها را سخت می‌کند.
در این پایان نامه، روشی برای کشف ناهنجاری در سیستم‌های سایبر-فیزیکی پیشنهاد شده است که در گام اول، داده‌‌‌ها برای شناسایی و تصحیح یا حذف ناسازگاری‌ها، پاکسازی می‌شوند. در این روش به‌منظور رفع مشکل یکسویه شدن مدل و متعادل‌سازی داده‌ها، رویکرد فوق‌نمونه‌برداری به کار گرفته شده است. در گام بعدی، برای تجسم داده‌ها و کاهش ابعاد داده به دو بعد، از رویکرد تحلیل مولفه‌های اصلی ((PCA استفاده شده است. همچنین به منظور بهبود عملکرد مدل‌های یادگیری ماشین، مهندسی، انتخاب و استخراج ویژگی‌های سودمند، از کدکننده خودکار استفاده شده است. در مرحله کشف ناهنجاری نیز، جنگل تصادفی به کار گرفته شده است. برای ارزیابی، از مجموعه داده‌های SWaT که توسط محققان iTrust منتشر شده، استفاده شده است. نتایج ارزیابی روش پیشنهادی، نرخ تشخیص درست (TPR) ۱.۰ و نرخ تشخیص نادرست (FPR) ۰۰۰۳/۰ را نشان می‌دهد. روش پیشنهادی نسبت به کارهای مشابه، نرخ تشخیص درست بسیار بهتر و نرخ تشخیص نادرست نزدیک به صفر دارد.

واژه‌های کلیدی: سیستم‌های سایبر-فیزیکی، کشف ناهنجاری، کدکننده خودکار، جنگل تصادفی، یادگیری ماشین