Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/43375| Назва: | Методи інтелектуального аналізу даних для виявлення кіберзагроз у "розумних містах" |
| Інші назви: | Data mining methods for cyber threats detecting in "Smart cities" |
| Автори: | Базан, Ірина Володимирівна Bazan, Iryna Volodymyrivna |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Базан І.В. Методи інтелектуального аналізу даних для виявлення кіберзагроз у "розумних містах": кваліфікаційна робота освітнього рівня „Магістр“ „124 – системний аналіз“ / І.В. Базан. – Тернопіль : ТНТУ, 2023. – 85 с. |
| Дата публікації: | 26-гру-2023 |
| Дата подання: | 12-гру-2023 |
| Дата внесення: | 5-січ-2024 |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Науковий керівник: | Матійчук, Любомир Павлович |
| Члени комітету: | Оробчук, Олександра Романівна |
| УДК: | 004.056.53 |
| Теми: | розумне місто smart city безпека security загроза threat кібераналітика cyber analytics машинне навчання machine learning глибоке навчання deep learning прийняття рішень decision-making |
| Короткий огляд (реферат): | Кваліфікаційна робота присв’ячена розробці інтелектуальних методів аналізу даних для виявлення та протидії кіберзагрозам у «розумних містах». В першому розділі кваліфікаційної роботи описано архітектуру «розумного міста», висвітлено кіберзагрози для «розумного міста» В другому розділі кваліфікаційної роботи описано моделі взаємозалежності та оцінку ризиків загроз, досліджено методи виявлення атак, подано порівняльний опис показників порівняння та оцінки моделей. В третьому розділі кваліфікаційної роботи запропонована реалізація гібридної моделі виявлення кіберзагроз, протестовано квазіконкурентну нейронну мережу, подано відповідні набори даних та їх реалізованої їх обробку. В четвертому розділі кваліфікаційної роботи розглянуто забезпечення безпечної роботи з обладнанням. The qualification work is devoted to the development of intelligent data analysis methods for detecting and counteracting cyber threats in smart cities. The first section of the qualification work describes the architecture of the "smart city", highlights the cyber threats to the "smart city" The second section of the qualification work describes interdependence models and threat risk assessment, examines attack detection methods, and provides a comparative description of the indicators for comparing and evaluating models.The third section of the qualification work proposes the implementation of a hybrid model for detecting cyber threats, tests a quasi-competitive neural network, presents the relevant data sets and their implemented processing. The fourth section of the qualification work deals with ensuring safe operation of equipment. |
| Зміст: | ВСТУП 7 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ 9 1.1 Архітектура «розумного міста» 14 1.2 Кібер-загрози для «розумного міста» 17 1.2.1 Розвідувальні загрози 18 1.2.2 Диверсії інфраструктури 19 1.2.3 Маніпуляції з даними 21 1.2.4 Сторонні вразливості 24 1.3 Висновок до першого розділу 25 2 КАТЕГОРІЇ, МЕТОДИ ТА МОДЕЛІ ВИЯВЛЕННЯ КІБЕРЗАГРОЗ 27 2.1 Моделі взаємозалежності 27 2.2 Оцінка ризиків та розвідка загроз 30 2.3 Методи виявлення атак 33 2.4 Теоретичне підґрунтя 37 2.4.1 Машинне навчання та методи аналізу даних 37 2.4.2 Моделі на основі знань 39 2.5 Візуальний супровід 41 2.6 Вихідні дані: введення, інтерпретація та набори даних 42 2.7 Показники порівняння та оцінки моделей 44 2.7.1 Моделі взаємозалежності 44 2.7.2 Методи оцінки ризиків 44 2.7.3 Методи виявлення атак 46 2.8 Відкриті питання та виклики 50 2.9 Висновок до другого розділу 52 3 РЕАЛІЗАЦІЯ ЗАПРОПОНОВАНОЇ МОДЕЛІ 53 3.1 Згорткова нейронна мережа 53 3.2 Квазірекурентна нейронна мережа (QRNN) 54 3.3 Запропонована гібридна модель DL для кіберзагроз 55 3.4 Набори даних 56 3.5 Попередня обробка даних 58 3.6 Реалізація моделі 59 3.7 Інструменти та показники оцінювання 59 3.8 Оцінка та аналіз 60 3.9 Висновок до третього розділу 65 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 66 4.1 Питання щодо охорони праці 66 4.2 Питання щодо безпеки в надзвичайних ситуаціях 69 4.3 Висновок до четвертого розділу 72 ВИСНОВКИ 73 ПЕРЕЛІК ДЖЕРЕЛ 75 ДОДАТКИ |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/43375 |
| Власник авторського права: | © Базан Ірина Володимирівна, 2023 |
| Перелік літератури: | 1. United Nations. 68% of the world population projected to live in urban areas by 2050. 2018. https ://www.un.org. Дата доступу: 20.11.23. 2. City Profile. Smart cities world. https ://www.smart citiesworld.net. Дата доступу: 20.11.23. 3. Singapore uses IoT to create smart buildings. 2016. www.smart ‑energy.com Дата доступу: 20.11.23. 4. Building a smart + equitable city. The official website of the City of New York. 2015. f. Дата доступу: 20.11.23. 5. IBM. City of Rio de Janeiro and IBM collaborate to advance emergency response system; access to real‑time information empowers citizens. 2011. https ://www.prnew swire .com/ Дата доступу: 20.11.23. 6. Mclaughlin T. As shootings soar, Chicago police use technology to predict crime. 2017. https ://www.reute rs.com/ Дата доступу: 20.11.23. 7. The Register. Sweden ‘secretly blames’ hackers—not solar flares—for taking out air traffic control. The Register. 2018. https ://www.theregiste r.co.uk Дата доступу: 20.11.23. 8. Case DU. Analysis of the cyber attack on the Ukrainian power grid. Electricity Information Sharing and Analysis Center (E‑ISAC), vol. 388, 2016. 9. Kraszewski K. SamSam and the Silent Battle of Atlanta. In: 2019 11th international conference on cyber conflict (CyCon), 2019. vol. 900, p. 1–16. 10. Kan M. Ransomware strikes Baltimore’s 911 dispatch system. PCMag Asia. 2018. https ://sea.pcmag.com Дата доступу: 20.11.23. 11. Mettler K. Somebody keeps hacking these Dallas road signs with messages about Donald Trump Bernie Sanders and Harambe the gorilla. Washington, DC: WP Company; 2019. 78 Azmoodeh A, Dehghantanha A, Choo K‑KR. Robust malware detection for internet of (battlefield) things devices using deep Eigenspace learning. IEEE Trans Sustain Comput. 2018;4(1):88–95. 79 Dovom EM, Azmoodeh A, et al. Fuzzy pattern tree for edge malware detection and categorization in IoT. J Syst Archit. 2019;97:1–7. 80 Kumar A, Lim TJ. EDIMA: early detection of IoT malware network activity using machine learning techniques. In: 2019 IEEE 5th world forum on internet of things (WF‑IoT). 2019. p. 289–94. https ://doi.org/10.1109/WFIoT.2019.87671 94. 81 Meidan Y, et al. N‑baiot—network‑based detection of IoT botnet attacks using deep autoencoders. IEEE Pervasive Comput. 2018;17(3):12–22. 82 Alazab VRM, et al A visualized botnet detection system based deep learning for the internet of things networks of smart cities. IEEE Trans Ind Appl. 2020. 83 Raza S, Wallgren L, Voigt T. SVELTE: real‑time intrusion detection in the internet of things. Ad Hoc Netw. 2013;11(8):2661–74. 84 Shreenivas D, Raza S, Voigt T. Intrusion detection in the RPL‑connected 6LoWPAN networks. In: Proceedings of the 3rd ACM international workshop on IoT privacy, trust, and security. 2017. p. 31–8. 85 Li D, Chen D, Goh J, Ng S. Anomaly detection with generative adversarial networks for multivariate time series. ArXiv Prepr. ArXiv180904758. 2018. 86 Azmoodeh A, et al. Detecting crypto‑ransomware in IoT networks based on energy consumption footprint. J Ambient Intell Humaniz Comput. 2018;9(4):1141–52. 87 Baracaldo N, Chen B, Ludwig H, Safavi A, Zhang R. Detecting poisoning attacks on machine learning in IoT environments. In: 2018 IEEE international congress on internet of things (ICIOT). 2018. p. 57–64. 101 UCSD network telescope—near‑real‑time network telescope dataset. www.caida.org. Дата доступу: 21.11.23. 88 Laishram R, Phoha VV. Curie: a method for protecting SVM classifier from poisoning attack. ArXiv Prepr. ArXiv160601584. 2016. 89 Goodfellow I, et al. Deep learning. Cambridge: MIT Press; 2016. 90 Hinton GE. Deep belief nets. 2010. 91 Senge R, Hüllermeier E. Fast fuzzy pattern tree learning for classification. IEEE Trans Fuzzy Syst. 2015;23(6):2024–33. 92 Goodfellow I, et al. Generative adversarial nets. In: Advances in neural information processing systems. Cambridge: MIT Press; 2014. p. 2672–80. 93 Edelkamp S, Schrödl S. Chapter 1—Introduction. In: Edelkamp S, Schrödl S, editors. Heuristic search. San Francisco: Morgan Kaufmann; 2012. p. 3–46. 94 Sanders WH, Meyer JF. Stochastic activity networks: formal definitions and concepts. In: School organized by the European Educational Forum. 2000. p. 315–43. 95 Chiola G, Dutheillet C, Franceschinis G, Haddad S. Stochastic well‑formed colored nets and symmetric modeling applications. IEEE Trans Comput. 1993;42(11):1343–60. 96 David HA, Moeschberger ML. The theory of competing risks. London: Charles Griffin and Company; 1978. 97 Dondossola G, Garrone G, Szanto J, Deconinck G, Loix T, Beitollahi H. ICT resilience of power control systems: 102 Rinaldi SM, et al. Identifying, understanding, and analyzing critical infrastructure interdependencies. IEEE Control Syst Mag. 2001;21(6):11–25. 98 experimental results from the CRUTIAL testbeds. In: 2009 IEEE/IFIP international conference on dependable systems & networks. 2009. p. 554–9. 99 Goh J, et al. A dataset to support research in the design of secure water treatment systems. In: ICCIIS. 2016. p. 88–99. 100 Shodan. Доступно: http://shoda n.io. Дата доступу: 21.11.23. 103 Shameli‑Sendi A, Aghababaei‑Barzegar R, Cheriet M. Taxonomy of information security risk assessment (ISRA). Comput Secur. 2016;57:14–30. 104 Aven T, Heide B. Reliability and validity of risk analysis. Reliab Eng Syst Saf. 2009;94(11):1862–8. 105 Nurse JRC, Creese S, Roure DD. Security risk assessment in internet of things systems. IT Prof. 2017;19(5):20–6. 106 Xin Y, et al. Machine learning and deep learning methods for cybersecurity. IEEE;6:35365–81. 106. Thomas JJ, Cook KA. A visual analytics agenda. IEEE Comput Graph Appl. 2006;26(1):10–3. 107 Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, 2015. 108 M. Amine, L. Maglaras, S. Moschoyiannis, and H. Janicke, “Deep learning for cyber security intrusion detection : Approaches , datasets , and comparative study,” J. Inf. Secur. Appl., vol. 50, p. 102419, 2020. 109 N. Hasan, R. N. Toma, et al, “Electricity Theft Detection in Smart Grid Systems : A CNN-LSTM Based Approach,” Electr. Th. Detect. Smart Grid Syst. A CNN-LSTM Based Approach, vol. 12, no. 17, p. 3310, 2019. 110 D. Kwon, et al, “An Empirical Study on Network Anomaly Detection using Convolutional Neural Networks,” in In 2018 IEEE 38th International Conference on Distributed Computing Systems (ICDCS), 2018, pp. 1595–1598. 12 Dallas warning sirens “set off by hacker”. BBC. 2017. 111 H. Liu, B. Lang, M. Liu, and H. Yan, “Knowledge-Based Systems CNN and RNN based payload classification methods for attack detection,” Knowledge-Based Syst., vol. 163, pp. 332–341, 2019. 112 F. Bolelli, L. Baraldi, F. Pollastri, and C. Grana, “A Hierarchical QuasiRecurrent approach to Video Captioning,” IEEE IPAS, 2018, pp. 162–167. 113 S. Merity, C. Xiong, and R. Socher, “Quasi-Recurrent Neural Network,” in arXiv, 2017, pp. 1–11. 114 M. Wang et al., “Quasi-fully Convolutional Neural Network with Variational Inference for Speech Synthesis,” in ICASSP 2019-2019 IEEE ICASSP, 2019, pp. 7060–7064. 115 J. Huang and Y. Feng, “Optimization of Recurrent Neural Networks on Natural Language Processing,” in Proceedings of the 2019 8th International Conference on Computing and Pattern Recognition, 2019, pp. 39–45. 116 P. Wu, H. Guo, and N. Moustafa, “Pelican : A Deep Residual Network for Network Intrusion Detection,” arXiv, vol. 2001.08523, 2020. 117 D. Yao, et al, “Energy Theft Detection With Energy Privacy Preservation in the Smart Grid,” IEEE Internet Things J., vol. 6, no. 5, pp. 7659–7669, 2019. 118 Financial news of Ukraine (2018), “IT of Ukraine. Help can not be disturbed”. Доступно: https://news.finance.ua/ Дата доступу: 20.11.23. 119 Hi-Tech Business News (2018), “Trends in IT outsourcing in Ukraine”, Доступно: http://startupline.com.ua/ Дата доступу: 20.11.23. 120 Riskxchange (2022) «10 Effective IT Security Risk Assessment Tactics», Доступно: https://riskxchange.co/Дата доступу: 20.11.23. 13 Khan R, Kumar P, Jayakody DNK, Liyanage M. A survey on security and privacy of 5G technologies: potential solutions, recent advancements and future directions. IEEE Commun Surv Tutor. 2019;22(1):196–248. 121 ПНУ ім. Стефаника. Кафедра хімії. «Державна система моніторингу довкілля» Доступно: kc.pnu.edu.ua, Дата доступу: 20.11.23. 122 Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання / В.С.Стручок. — Тернопіль: ФОП Паляниця В. А., 2022. — 156 с. 123 Najla, A. T., Abbas, S. N., & Sujata, D. (2020). Cyber threat intelligence for secure smart city. arXiv preprint arXiv:2007.13233 14 Chan L, et al. Survey of AI in cybersecurity for information technology management. In: 2019 IEEE technology & engineering management conference (TEMSCON). 2019. p. 1–8. 15 Druzdzel MJ, Flynn RR. Decision support systems. In: Encyclopedia of library and information sciences. Boca Raton: CRC Press; 2017. p. 1200–8. 16 Ijaz S, Shah MA, Khan A, Ahmed M. Smart cities: a survey on security concerns. Int J Adv Comput Sci Appl. 2016;7(2):612–25. 17 Gharaibeh A, et al. Smart cities: a survey on data management, security, and enabling technologies. IEEE Commun Surv Tutor. 2017;19(4):2456–501. 18 Silva BN, Khan M, Han K. Towards sustainable smart cities: a review of trends, architectures, components, and open challenges in smart cities. Sustain Cities Soc. 2018;38:697–713. 19 Baig ZA, et al. Future challenges for smart cities: cyber‑security and digital forensics. Digit Investig. 2017;22:3–13. 20 Cui L, Xie G, Qu Y, Gao L, Yang Y. Security and privacy in smart cities: challenges and opportunities. IEEE;6:46134–45. 21 Sookhak M, Tang H, He Y, Yu FR. Security and privacy of smart cities: a survey, research issues and challenges. IEEE Commun Surv Tutor. 2019;21(2):1718–43. https ://doi.org/10.1109/COMST .2018.28672 88. 22 Talari S, Shafie‑Khah M, Siano P, Loia V, Tommasetti A, Catalão JP. A review of smart cities based on the internet of things concept. Energies. 2017;10(4):421. 23 Banerjee J, Das A, Sen A. A survey of interdependency models for critical infrastructure networks. ArXiv Prepr. ArXiv170205407. 2017. 24 Tøndel IA, Foros J, Kilskar SS, Hokstad P, Jaatun MG. Interdependencies and reliability in the combined ICT and power system: an overview of current research. Appl Comput Inform. 2018;14(1):17–27. 25 Kitchin R, Dodge M. The (in) security of smart cities: vulnerabilities, risks, mitigation, and prevention. J Urban Technol. 2019;26(2):47–65. 26 Vitunskaite M, He Y, Brandstetter T, Janicke H. Smart cities and cyber security: are we there yet? A comparative study on the role of standards, third party risk management and security ownership. Comput Secur. 2019;83:313–31. 27 Habibzadeh H, Nussbaum BH, Anjomshoa F, Kantarci B, Soyata T. A survey on cybersecurity, data privacy, and policy issues in cyber‑physical system deployments in smart cities. Sustain Cities Soc. 2019;50:101660. 28 Mehmood Y, Ahmad F, Yaqoob I, Adnane A, Imran M, Guizani S. Internet‑of‑things‑based smart cities: recent advances and challenges. IEEE Commun Mag. 2017;55(9):16–24. https ://doi.org/10.1109/MCOM.2017.16005 14. 29 Galluscio M, et al. A first empirical look on internet‑scale exploitations of IoT devices. In: 2017 IEEE 28th annual international symposium on personal, indoor, and mobile radio communications (PIMRC). 2017. p. 1–7. 30 Ercolani VJ, Patton MW, Chen H. Shodan visualized. In: 2016 IEEE conference on intelligence and security informatics (ISI). 2016. p. 193–5. 31 Patton M, Gross E, Chinn R, Forbis S, Walker L, Chen H. Uninvited connections: a study of vulnerable devices on the internet of things (IoT). In: 2014 IEEE joint intelligence and security informatics conference. 2014. p. 232–5. 32 PALO ALTO NETWORKS. Impacts of cyberattacks on IoT devices. www.sdxcentral.com Дата доступу: 20.11.23. 33 Sicato S, Costa J, Sharma PK, Loia V, Park JH. VPNFilter malware analysis on cyber threat in smart home network. Appl Sci. 2019;9(13):2763. 34 Zimba A, Wang Z, Mulenga M. Cryptojacking injection: a paradigm shift to cryptocurrency‑based web‑centric internet attacks. J Organ Comput Electron Commer. 2019;29(1):40–59. 35 Bou‑Harb E, Debbabi M, Assi C. A novel cyber security capability: inferring internet‑scale infections by correlating malware and probing activities. Comput Netw. 2016;94:327–43. 36 Bertino E, Islam N. Botnets and internet of things security. Computer. 2017;50(2):76–9. 37 Kumar M. DDoS attack takes down central heating system amidst winter in Finland. The Hacker News. 2016. https ://thehackern ews.com. Дата доступу: 20.11.23. 38 Trappe W, Howard R, Moore RS. Low‑energy security: limits and opportunities in the internet of things. IEEE Secur Priv. 2015;13(1):14–21. 39 Georgiou K, Xavier‑de‑Souza S, Eder K. The IoT energy challenge: a software perspective. IEEE Embed Syst Lett. 2017;10(3):53–6. 40 Mohurle S, Patil M. A brief study of wannacry threat: ransomware attack 2017. Int J Adv Res Comput Sci. 2017. https ://doi.org/10.26483 /IJARC S.V8I5.4021. 41 Ransomware attack on San Francisco public transit gives everyone a free ride. The Guardian. 2016. Доступно: www.thegu ardian.com Дата доступу: 20.11.23. 42 Liu Y, Ning P, Reiter MK. False data injection attacks against state estimation in electric power grids. ACM Trans Inf Syst Secur TISSEC. 2011;14(1):1–33. 43 Liang G, Zhao J, Luo F, Weller SR, Dong ZY. A review of false data injection attacks against modern power systems. IEEE Trans Smart Grid. 2016;8(4):1630–8. 44 Wurm J, Hoang K, Arias O, Sadeghi AR, Jin Y. Security analysis on consumer and industrial IoT devices. In: 2016 21st Asia and South Pacific design automation conference (ASP‑DAC). 2016. p. 519–24. 45 Van Zoonen L. Privacy concerns in smart cities. Gov Inf Q. 2016;33(3):472–80. 46 Usama M, Asim M, Latif S, Qadir J, et al. Generative adversarial networks for launching and thwarting adversarial attacks on network intrusion detection systems. In: 2019 15th international wireless communications & mobile computing conference (IWCMC). 2019. p. 78–83. 47 Lin P, Swimmer M, Urano A, Hilt S, ve Vosseler R (2017) Securing smart cities moving toward utopia with security in mind. A TrendLabs Research Paper, Erişim Tarihi: 15 Eylül 2019. 48 Laugé A, Hernantes J, Sarriegi JM. Critical infrastructure dependencies: a holistic, dynamic and quantitative approach. Int J Crit Infrastruct Prot. 2015;8:16–23. 49 König S, Rass S. Investigating stochastic dependencies between critical infrastructures. Int J Adv Syst Meas. 2018;11:250–8. 50 Stergiopoulos G, Kotzanikolaou P, Theocharidou M, Gritzalis D. Risk mitigation strategies for critical infrastructures based on graph centrality analysis. Int J Crit Infrastruct Prot. 2015;10:34–44. 51 Stergiopoulos G, Kotzanikolaou P, Theocharidou M, Lykou G, Gritzalis D. Time‑based critical infrastructure dependency analysis for large‑scale and cross‑sectoral failures. Int J Crit Infrastruct Prot. 2016;12:46–60. 52 Beccuti M, Chiaradonna S, Di Giandomenico F, Donatelli S, Dondossola G, Franceschinis G. Quantification of dependencies between electrical and information infrastructures. Int J Crit Infrastruct Prot. 2012;5(1):14–27. 53 Bloomfield RE, Popov P, Salako K, Stankovic V, Wright D. Preliminary interdependency analysis: an approach to support critical‑infrastructure risk‑assessment. Reliab Eng Syst Saf. 2017;167:198–217. 54 Netkachov O, Popov P, Salako K. Quantification of the impact of cyber attack in critical infrastructures. In: International conference on computer safety, reliability, and security. 2014. p. 316–27. 55 Johansen C, Tien I. Probabilistic multi‑scale modeling of interdependencies between critical infrastructure systems for resilience. Sustain Resilient Infrastruct. 2018;3(1):1–15. 56 Heracleous C, Kolios P, Panayiotou CG, Ellinas G, Polycarpou MM. Hybrid systems modeling for critical infrastructures interdependency analysis. Reliab Eng Syst Saf. 2017;165:89–101. 57 Ferdowsi A, Saad W, Maham B, Mandayam NB. A Colonel Blotto game for interdependence‑aware cyber‑physical systems security in smart cities. In: Proceedings of the 2nd international workshop on science of smart city operations and platforms engineering. 2017. p. 7–12. 58 Li Z, Jin D, Hannon C, Shahidehpour M, Wang J. Assessing and mitigating cybersecurity risks of traffic light systems in smart cities. IET Cyber Phys Syst Theory Appl. 2016;1(1):60–9. 59 Kelarestaghi KB, Foruhandeh M, Heaslip K, Gerdes R. Intelligent transportation system security: impact‑oriented risk assessment of in‑vehicle networks. IEEE Intell Transp Syst Mag. 2019. https ://doi.org/10.1109/MITS.2018.28897 14. 60 Kotzanikolaou P, at all. Assessing n‑order dependencies between critical infrastructures. Int J Crit Infrastruct. 2013;9(1–2):93–110. 61 Neshenko N, Bou‑Harb E, Crichigno J, Kaddoum G, Ghani N. Demystifying IoT security: an exhaustive survey on IoT vulnerabilities and a first empirical look on internet‑scale IoT exploitations. IEEE Commun Surv Tutor. 2019;21(3):2702–33. 62 Sicari S, Rizzardi A, Miorandi D, Coen‑Porisini A. A risk assessment methodology for the internet of things. Comput Commun. 2018;129:67–79. 63 Wang H, Chen Z, Zhao J, Di X, Liu D. A vulnerability assessment method in industrial internet of things based on attack graph and maximum flow. 20;6:8599–609. 64 Mell P, Scarfone K, Romanosky S. Common vulnerability scoring system. IEEE Secur Priv. 2006;4(6):85–9. 65 Radanliev P, et al. Future developments in cyber risk assessment for the internet of things. Comput Ind. 2018;102:14–22. 66 Mohammad N. A multi‑tiered defense model for the security analysis of critical facilities in smart cities. 2019;7:152585–98. 67 Shivraj V, Rajan M, Balamuralidhar P. A graph theory based generic risk assessment framework for internet of things (IoT). In: 2017 IEEE international conference on ANTS. 2017. p. 1–6. 68 Mohsin M, Sardar MU, Hasan O, Anwar Z. IoTRiskAnalyzer: a probabilistic model checking based framework for formal risk analytics of the internet of things. IEEE;5:5494–505. 69 Falco G, et al. A master attack methodology for an AI‑based automated attack planner for smart cities. IEEE;6:48360–73. 70 Angelini M, Santucci G. Visual cyber situational awareness for critical infrastructures. In: 8th ISVICI. 2015. p. 83–92. 71 Wang P, Ali A, Kelly W. Data security and threat modeling for smart city infrastructure. In: 2015 international conference on cyber security of smart cities, industrial control system and communications (SSIC), 2015. p. 1–6. 72 Wang SP, Ledley RS. Computer architecture and security: fundamentals of designing secure computer systems. New York: Wiley; 2012. 73 Bou‑Harb E, Neshenko N. Cyber threat intelligence for the internet of things. New York: Springer; 2020. 74 Naik DR, Das LB, Bindiya TS. Wireless sensor networks with Zigbee and WiFi for environment monitoring, traffic management and vehicle monitoring in smart cities. In: 2018 IEEE 3rd international conference on computing, communication and security (ICCCS). 2018. p. 46–50. 75 Dowling S, Schukat M, Melvin H. A ZigBee honeypot to assess IoT cyberattack behavior. In: 2017 28th ISSC. 2017. p. 1–6. 76 Oza P, Foruhandeh M, Gerdes R, Chantem T. Secure traffic lights: replay attack detection for model‑based smart traffic controllers. In: Proceedings of the second ACM workshop on automotive and aerial vehicle security. 2020. p. 5–10. 77 He Y, Mendis GJ, Wei J. Real‑time detection of false data injection attacks in smart grid: a deep learning‑based intelligent mechanism. IEEE Trans Smart Grid. 2017;8(5):2505–16. https ://doi.org/10.1109/TSG.2017.27038 42. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 124 — системний аналіз |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Mag_2023_SAm_61_Bazan_I_V.pdf | 1,99 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора