Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin

(Journal of Science and Technology on Information security) ISSN 2615-9570

Bài viết

Enhancing MITM Attack Detection Mechanism for ICS using LSTM-based Hybrid Ensemble Learning

DOI: 10.54654/isj.v3i26.1137
Từ khóaTấn công xen giữahệ thống điều khiển công nghiệpmạng được định nghĩa bằng phần mềmhọc tổ hợp

Tóm tắt

Với sự phát triển nhanh chóng của công nghệ thông tin (Information Technolog - IT), việc tích hợp IT với hệ thống điều khiển công nghiệp (Industrial Control System - ICS) khiến nó dễ bị đe dọa bởi các mối đe dọa an ninh mạng, bao gồm các cuộc tấn công xen giữa (Man-in-the-Middle - MITM). Do đó, nhiều nghiên cứu tập trung vào các phương pháp phát hiện tấn công MITM, bao gồm các phương pháp dựa trên luật và các phương pháp sử dụng học máy (Machine Learning - ML). Tuy nhiên, các phương pháp này gặp phải hai hạn chế chính: thiếu bộ dữ liệu để phát hiện tấn công MITM trong mạng ICS và một phương pháp phát hiện tấn công MITM hiệu quả do tính phức tạp ngày càng tăng của mạng ICS. Trong bài báo này, nhóm tác giả đề xuất một khuôn khổ phát hiện tấn công MITM mới, sử dụng thuật toán học tổ hợp, cho các mạng ICS quy mô lớn. Cụ thể, nhóm tác giả đề xuất một khuôn khổ mô phỏng ICS mới cho các mạng quy mô lớn, sử dụng Mạng được định nghĩa bằng phần mềm (Software-Defined Networking - SDN) để tạo điều kiện thuận lợi cho các nghiên cứu ICS. Hơn nữa, một cơ chế phát hiện tấn công MITM nhẹ mới sử dụng kỹ thuật tiền xử lý nâng cao và thuật toán học tập kết hợp lai sử dụng Bộ nhớ dài Ngắn Hạn (Long Short-Term Memory - LSTM) được đề xuất để phát hiện các cuộc tấn công MITM với độ chính xác cao trong khi vẫn yêu cầu thời gian xử lý hợp lý. Kết quả thử nghiệm cho thấy cơ chế phát hiện tấn công MITM được đề xuất có thể đạt được điểm F1 91,91% trong khi chỉ cần 8,91 micro giây cho thời gian suy luận.

Lượt tải theo tháng

0234512/2501/2602/2603/2604/2605/26

Di chuột vào cột để xem số lượt tải.

Cách trích dẫn

Nguyễn Tuấn Anh, Lê Văn Đồng, Đào Việt Cường, Nguyễn Đình Nghĩa, Trần Quang Đức (2025). Enhancing MITM Attack Detection Mechanism for ICS using LSTM-based Hybrid Ensemble Learning. Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin, 3(26), 79-91. https://doi.org/10.54654/isj.v3i26.1137

Tài liệu tham khảo

  1. 1.MITRE, “Adversary-in-the-Middle Technique - T0830,” https://attack.mitre.org/techniques/T0830/, 2020, accessed: 2025-06-06.
  2. 2.Z. Hill, J. Hale, M. Papa, and P. Hawrylak, “Using bro with a simulation model to detect cyber-physical attacks in a nuclear reactor,” in 2019 2nd International Conference on Data Intelligence and Security (ICDIS). IEEE, 2019, pp. 22–27.
  3. 3.Y. Yang, K. McLaughlin, T. Littler, S. Sezer, B. Pranggono, and H. Wang, “Intrusion detection system for iec 60870-5-104 based scada networks,” in 2013 IEEE power & energy society general meeting. Ieee, 2013, pp. 1–5.
  4. 4.Y. Yang, K. McLaughlin, S. Sezer, T. Littler, E. G. Im, B. Pranggono, and H. Wang, “Multiattribute scada-specific intrusion detection system for power networks,” IEEE Transactions on Power Delivery, vol. 29, no. 3, pp. 1092–1102, 2014.
  5. 5.P. Wlazlo, A. Sahu, Z. Mao, H. Huang, A. Goulart, K. Davis, and S. Zonouz, “Man-in-the-middle attacks and defence in a power system cyber-physical testbed,” IET Cyber-Physical Systems: Theory & Applications, vol. 6, no. 3, pp. 164–177, 2021.
  6. 6.M. F. Elrawy, L. Hadjidemetriou, C. Laoudias, and M. K. Michael, “Detecting and classifying man-inthe-middle attacks in the private area network of smart grids,” Sustainable Energy, Grids and Networks, vol. 36, p. 101167, 2023.
  7. 7.D. J. S. Raja, R. Sriranjani, P. Arulmozhi, and N. Hemavathi, “Unified random forest and hybrid bat optimization based man-in-the-middle attack detection in advanced metering infrastructure,” IEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1–12, 2024.
  8. 8.O. Eigner, P. Kreimel, and P. Tavolato, “Detection of man-in-the-middle attacks on industrial control networks,” in 2016 International Conference on Software Security and Assurance (ICSSA). IEEE, 2016, pp. 64–69.
  9. 9.D. Antonioli and N. O. Tippenhauer, “Minicps: A toolkit for security research on cps networks,” in Proceedings of the First ACM workshop on cyberphysical systems-security and/or privacy, 2015, pp. 91– 100.
  10. 10.A. Ashok, P. Wang, M. Brown, and M. Govindarasu, “Experimental evaluation of cyber attacks on automatic generation control using a cps security testbed,” 07 2015, pp. 1–5.
  11. 11.Y. Yang, K. Mclaughlin, T. Littler, S. Sezer, E. G. Im, Z. Yao, B. Pranggono, and H. Wang, “Man-inthe-middle attack test-bed investigating cyber-security vulnerabilities in smart grid scada systems,” vol. 2012, 09 2012, pp. 1–8.
  12. 12.Y. Yang, L. Gao, Y.-B. Yuan, K. Mclaughlin, S. Sezer, and Y.-F. Gong, “Multidimensional intrusion detection system for iec 61850 based scada networks,” IEEE Transactions on Power Delivery, vol. 32, 01 2016.
  13. 13.A. P. Mathur and N. O. Tippenhauer, “Swat: A water treatment testbed for research and training on ics security,” in 2016 international workshop on cyberphysical systems for smart water networks (CySWater). IEEE, 2016, pp. 31–36.
  14. 14.C. M. Ahmed, V. R. Palleti, and A. P. Mathur, “Wadi: a water distribution testbed for research in the design of secure cyber physical systems.” New York, NY, USA: Association for Computing Machinery, 2017. [Online]. Available: https://doi.org/10.1145/3055366.3055375
  15. 15.L. Deri, M. Martinelli, and A. Cardigliano, “Realtime high-speed network traffic monitoring using ntopng,” in 28th large installation system administration conference (LISA14), 2014, pp. 78–88.

Bài viết liên quan