跨域通信系统中受损实体的检测

《ACM Transactions on Cyber-Physical Systems》：Detection of Compromised Entities in Cross-domain Communication Systems

跨域通信系统面临服务器妥协和异常检测双重挑战，本文提出区块链双验证机制防止服务器自主决策，并设计基于数据变化度的深度学习模型应对动态数据流，实验表明该方法平均准确率提升0.11。

　　

摘要

跨域通信系统在智能工厂和自动驾驶等多个领域中具有重要意义。这些系统源于现实生活场景，每个领域都拥有本地网络，并通过中央服务器接入公共网络，从而便于管理本地网络并保护该领域内的实体。基于此，跨域通信系统遵循“设备-服务器-服务器-设备”的模式。每次通信过程包括两个步骤：认证和通信。认证阶段帮助双方建立安全的通信通道。如果服务器遭到攻击，认证请求可能会被发送给攻击者，攻击者随后可能冒充原始接收者。因此，必须有效解决服务器被攻破的问题。此外，还需要进行异常检测以监控各领域内实体的行为。目前的深度学习解决方案采用基于自动编码器的模型来重构输入数据并检测异常，但它们直接将原始输入数据输入模型，这使得难以处理不断变化的数据流。

在这项工作中，我们专注于跨域通信系统中受损实体的检测。具体来说，我们将问题分为两部分：认证阶段的服务器被攻破情况以及整个系统的异常检测。针对服务器被攻破的情况，我们提出了一种基于区块链的“双重验证”方案，以防止服务器自行做出决策。区块链网络中的节点利用公钥基础设施对提交的记录进行评估。同时，区块链的分布式特性使我们能够部署更多机器作为验证者来监控服务器的行为。对于异常检测，我们建议将物品的变化程度而非原始物品值输入深度学习模型，这样更能适应不断变化的数据流。我们提出使用历史数据和最新数据的线性组合来计算变化程度。最后，我们分析了所提出系统的安全特性，并使用真实数据集评估了异常检测方法的有效性。我们使用Fabric框架构建了一个简单的跨域通信系统来模拟“双重验证”方案，结果表明所提出的异常检测方法平均提升了约0.11的准确率。