Новые методы обнаружения аномалий в информационно-коммуникационных системах (ENG)

По мере роста сложности систем автоматизированного управления (АСУ ТП) растут и проблемы безопасности. Аномалии могут указывать на сбои или кибератаки, поэтому раннее обнаружение критически важно. Традиционные статистические и пороговые методы неэффективны в динамических средах АСУ ТП. Методы машинного обучения (ML) и глубокого обучения (DL), включая опорные векторные машины, автоэнкодеры и рекуррентные нейронные сети, повышают точность и адаптивность. Однако они часто требуют больших вычислительных ресурсов. Трансферное обучение, федеративное обучение и XAI помогают преодолеть эти ограничения. В данном исследовании анализируются и сравниваются традиционные и новые подходы.