Aviation Network Security Situation Awareness Based on Game Theory
Notice bibliographique
Résumé
As aviation industry has progressed in recent years, the entire industry has become more and more relying on digital network connectivity and electronic data exchange. While these changes bring efficiency, they also provide opportunities for hackers and malware to threaten flight safety. For example, in 2022, the Canadian airline Sunwing experienced flight delays due to cyber attacks. In many cases, if proper defense strategies are used early, the damage caused by the threat can be greatly reduced. However, due to dynamic, heterogeneous and huge structural characteristics of aviation systems, managers are unable to assess the current system security status in a real-time and accurate way, which affects the decision-making process and leads to expose the whole system under the risk. Therefore, aviation networks need a situational awareness mechanism to help managers adjust their strategies and limit the impact of threats in a timely and accurate manner. There has been a lot of current research in network security situational awareness, but there are some problems when these studies are directly applied to aviation networks. In order to establish a situation awareness mechanism applicable to aviation networks, this paper proposes a situation awareness method based on game theory, particle swarm optimization algorithm and neural network by analyzing the strategy gain of attackers and defenders under network attack and defense, particle swarm optimization algorithm and long short-term memory networks. The innovative works of this paper are as follows. Firstly, the situation assessment model is established based on the classification of attackers; secondly, the method of situation prediction with improved particle swarm optimization algorithm and long short-term memory networks is proposed. Simulation experiment shows that the method in this paper has the advantages of high evaluation efficiency and low error rate of prediction results, which can reason about the attacker class and help managers to make reasonable decisions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».