MétaCan
Menu
Retour à la cohorte
Enregistrement W3165969682 · doi:10.1109/tii.2021.3085543

Design, Analysis and Implementation of a Security Assessment/Enhancement Platform for Cyber-Physical Systems

2021· article· en· W3165969682 sur OpenAlexafffund
Xirong Ning, Jin Jiang

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity Network of Excellence in Nuclear Engineering
Mots-clésCyber-physical systemModular designComputer scienceControl system securityPhysical securityComputer securityHardware security moduleIndustrial control systemSecurity managementEmbedded systemSoftware security assuranceSystems engineeringSecurity serviceEngineeringInformation securityControl (management)CryptographyOperating system

Résumé

récupéré en direct d'OpenAlex

To support cyber security assessment and enhancement of cyber-physical systems, a cross-layered experimental prototype platform has been developed. In this article, to make the prototype versatile, a modular approach has been taken. There are in total four modules: 1) Attack scenario generation; 2) security enhancement; 3) security evaluation; and 4) platform management. In reference to typical cyber-enabled industrial control systems, the design philosophy and selection of the architecture for this platform have been examined. To provide interested readers with additional details and to demonstrate the effectiveness of the proposed platform, a hardware-based cyber security assessment and enhancement prototype platform has been implemented on a lab-scale cyber-physical system. Two types of cyberattacks have been considered to demonstrate the operation of the platform and to validate its functions in an event of a security breach. The results have demonstrated that the design methodology is effective for practical cyber-physical systems, and the platform is a useful tool to identify and analyze vulnerabilities and to evaluate the effectiveness of different security enhancement strategies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,298
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetSmart Grid Security and ResilienceTravaux en français237 207