Python tensorflow análisis de big data para la seguridad de las plantas nucleares coreanas
Autores: Lee, Sangdo; Huh, Jun-Ho; Kim, Yonghoon
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Python tensorflow análisis de big data para la seguridad de las plantas nucleares coreanas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
República de Corea
Seguridad
Planta de energía nuclear
Ciberataque
Análisis de tráfico de red
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
La República de Corea también sufrió daños directos e indirectos a raíz del accidente nuclear de Fukushima en Japón y se dio cuenta de la importancia de la seguridad debido a la amenaza cibernética para la Compañía de Energía Hidroeléctrica y Nuclear de la República de Corea. Con tales asuntos en mente, este estudio buscó sugerir una medida para mejorar la seguridad en la planta de energía nuclear. Basándose en casos de ciberataques en el extranjero y en escenarios de ataque al centro de control de la planta de energía nuclear, el estudio diseñó y propuso un sistema de análisis de tráfico de red del control de la planta de energía nuclear que cumple con los requisitos de seguridad y la estrategia de defensa profunda. Para mejorar la seguridad de la planta de energía nuclear, el estudio recopiló datos como internet proporcionado a las instalaciones de control, tráfico de red de intranet y eventos de equipos de seguridad y los comparó y verificó con análisis de aprendizaje automático. Después de medir la precisión y el tiempo, el estudio propuso el algoritmo de análisis más adecuado para la planta de energía con el fin de lograr una seguridad que facilite la detección y respuesta en tiempo real en caso de un ciberataque. En este documento, aprendimos cómo aplicar datos para múltiples servidores y aplicar diversas informaciones de seguridad como datos en la aplicación de seguridad utilizando registros, y emparejar con respecto a la aplicación de datos de carácter como nombres de archivo. Mejoramos aplicando género y convertimos los datos continuos restableciendo en función del riesgo de datos no continuos, y se aplicaron dos algoritmos de optimización para resolver el problema del sobreajuste. Por lo tanto, creemos que habrá una contribución en el experimento de conexión de la parte de decisión de datos y el algoritmo de optimización para aprender los datos de seguridad.
Descripción
La República de Corea también sufrió daños directos e indirectos a raíz del accidente nuclear de Fukushima en Japón y se dio cuenta de la importancia de la seguridad debido a la amenaza cibernética para la Compañía de Energía Hidroeléctrica y Nuclear de la República de Corea. Con tales asuntos en mente, este estudio buscó sugerir una medida para mejorar la seguridad en la planta de energía nuclear. Basándose en casos de ciberataques en el extranjero y en escenarios de ataque al centro de control de la planta de energía nuclear, el estudio diseñó y propuso un sistema de análisis de tráfico de red del control de la planta de energía nuclear que cumple con los requisitos de seguridad y la estrategia de defensa profunda. Para mejorar la seguridad de la planta de energía nuclear, el estudio recopiló datos como internet proporcionado a las instalaciones de control, tráfico de red de intranet y eventos de equipos de seguridad y los comparó y verificó con análisis de aprendizaje automático. Después de medir la precisión y el tiempo, el estudio propuso el algoritmo de análisis más adecuado para la planta de energía con el fin de lograr una seguridad que facilite la detección y respuesta en tiempo real en caso de un ciberataque. En este documento, aprendimos cómo aplicar datos para múltiples servidores y aplicar diversas informaciones de seguridad como datos en la aplicación de seguridad utilizando registros, y emparejar con respecto a la aplicación de datos de carácter como nombres de archivo. Mejoramos aplicando género y convertimos los datos continuos restableciendo en función del riesgo de datos no continuos, y se aplicaron dos algoritmos de optimización para resolver el problema del sobreajuste. Por lo tanto, creemos que habrá una contribución en el experimento de conexión de la parte de decisión de datos y el algoritmo de optimización para aprender los datos de seguridad.