基于安全联邦蒸馏GAN的工业CPS协作入侵检测系统

作     者：梁俊威 杨耿 马懋德 Muhammad Sadiq LIANG Junwei;YANG Geng;MA Maode;Muhammad Sadiq

作者机构：深圳信息职业技术学院软件学院广东深圳518172 南洋理工大学电子与电气工程学院新加坡639798 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2023年第44卷第12期

页      面：230-244页

核心收录：

学科分类：0839[工学-网络空间安全] 08[工学] 

基　　金：广东省青年创新人才基金资助项目(No.2022KQNCX233) 公共大数据国家重点实验室基金资助项目(No.PBD2022-14) 深圳市自然科学基金资助项目(No.20220820003203001) 

主　　题：入侵检测系统 信息物理系统 生成对抗网络 本地差分隐私 去中心化联邦蒸馏 

摘      要：针对敏感信息保密必要性导致的数据孤岛问题,提出了一种适用于工业信息物理系统(CPS)的安全协作入侵检测系统(PFD-GAN)。具体来说,首先通过融入Wasserstein距离和标签条件,改进外部分类器生成对抗网络(EC-GAN),构建了一种新型半监督入侵检测模型,以产生能够实用的生成数据来增强分类性能。同时,在改进EC-GAN的训练中,融合本地差分隐私技术,防止敏感信息的泄露、保障协作过程的隐私安全。此外,设计了基于去中心化联邦蒸馏的协作方式,允许多个工业CPS共同构建一个综合的入侵检测系统,以识别整个网络系统下的威胁,而无须共享统一的模板模型。对真实工业CPS数据集的实验评估和理论分析表明,PFD-GAN可以在免受隐私泄露风险的同时,高效地检测针对工业CPS的各种类型攻击。