Scen-scada securıty: an enhanced osprey optımızatıon-based cyber attack detectıon model ın supervısory control and data acquısıtıon system usıng serıal cascaded ensemble network

Denetleyici Kontrol ve Veri Toplama (SCADA) sistemlerinin önemli bir rolü, bilgi ve iletişim teknolojisinin (BİT) cihazları birbirine bağlamak için kullanıldığı ve sistem karmaşıklığını artırdığı güç sistemi işletimini desteklemektir. SCADA sistemlerinin birbirine bağlanması nedeniyle karmaşıklık artar ve siber güvenlik açıkları olasılığı ortaya çıkar. Ayrıca, eski cihazlara sahip SCADA ağları, ciddi siber güvenlik açık noktaları sağlayan yerleşik siber güvenlik önlemlerinden etkilenir. Yerel alan ağlarının ve İnternet Protokolü (IP) tabanlı tescilli sistemlerin benimsenmesiyle, kötü niyetli veya yetkisiz kullanıcılar dış kaynaklardan bilgilere erişebilir ve bu nedenle SCADA sistemleri karmaşık saldırılara karşı zayıflar. SCADA sistemleri, hizmet reddi (DoS) ve felaket niteliğindeki arızaların yanı sıra hatalı çalışmayı da dikkate almalıdır; bu durum daha sonra güç sistemindeki operasyonların istikrarını ve güvenliğini tehlikeye atabilir. Bu nedenle, SCADA'da öncelikli konu, güvenilir çalışmayı garanti altına almak için siber güvenliği güçlendirmektir ve sistem istikrarı iletişim bütünlüğüne göre yönetilir. Akıllı şebeke özellikleri, siber saldırıları belirlemek için geleneksel makine öğrenme yaklaşımlarında kullanılmaktadır. Bu nedenle, daha az hesaplama yüküyle verimli ve doğru bir siber saldırı tespit yaklaşımı uygulamak, SCADA'da hala önemli bir araştırma problemidir. Bu araştırma çalışmasında, gelişmiş derin öğrenme teknikleri ve sezgisel algoritma kullanılarak SCADA sisteminde siber saldırı tespiti için yeni ve güvenli bir model geliştirilmiştir. SCADA verileri çeşitli elektrik şebekelerinden toplanmıştır. Bu verilerden elde edilen özellikler en uygun şekilde seçilmiş ve en uygun ağırlıklarla birleştirilerek en uygun ağırlıklı özellikler elde edilmiştir. Ağırlıklı en uygun özellik seçimi, Geliştirilmiş Osprey Optimizasyon Algoritması (EOOA) yardımıyla yapılmıştır. Bu en uygun şekilde seçilen ağırlıklı özellikler, nihai tespit çıktısını elde etmek için Seri Basamaklı Topluluk Ağına (SCEN) verilmiştir. Geliştirilen SCEN, Otomatik Kodlayıcı, Genişletilmiş Çift Yönlü Uzun Kısa Süreli Bellek (Bi-LSTM) ve Bayes sınıflandırıcısının basamaklandırılmasıyla oluşturulmuştur. SCEN'deki parametreler, yürütülen IOOA kullanılarak ayarlanır. Siber saldırının varlığının veya yokluğunun nihai tespiti bu SCEN tarafından değerlendirilir. Geliştirilen modelin performansı ve etkinliği, çeşitli deneyler yapılarak doğrulanır ve karşılaştırılır.