Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparative Study of Feature Selection Techniques Respecting Novelty Detection in the Industrial Control System Environment

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F18%3A63520130" target="_blank" >RIV/70883521:28140/18:63520130 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.daaam.info/Downloads/Pdfs/proceedings/proceedings_2018/155.pdf" target="_blank" >https://www.daaam.info/Downloads/Pdfs/proceedings/proceedings_2018/155.pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.2507/29th.daaam.proceedings.155" target="_blank" >10.2507/29th.daaam.proceedings.155</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparative Study of Feature Selection Techniques Respecting Novelty Detection in the Industrial Control System Environment

  • Popis výsledku v původním jazyce

    The emerging trend of interconnection between business processes and industrial processes resulted in a considerable number of cyber security incidents that show us how vulnerable Industrial Control Systems (ICS) are. These usually legacy systems were not designed with cyber security in mind. Therefore, there is a necessity for the reliable cyber security system. The anomaly detection based on machine learning techniques is the one potential way how to protect the system against cyber-attacks effectively. However, the ICS has become more sophisticated; therefore, produce high-dimensional datasets. Hence, the dimensionality reduction for the dataset is required due to high computational complexity. We introduce the comprehensive study on dimensionality reduction techniques which are applied to ICS network cyber security. Moreover, obtained results are evaluated by novelty detection algorithm where One-Class Support Vector Machine algorithm is used.

  • Název v anglickém jazyce

    Comparative Study of Feature Selection Techniques Respecting Novelty Detection in the Industrial Control System Environment

  • Popis výsledku anglicky

    The emerging trend of interconnection between business processes and industrial processes resulted in a considerable number of cyber security incidents that show us how vulnerable Industrial Control Systems (ICS) are. These usually legacy systems were not designed with cyber security in mind. Therefore, there is a necessity for the reliable cyber security system. The anomaly detection based on machine learning techniques is the one potential way how to protect the system against cyber-attacks effectively. However, the ICS has become more sophisticated; therefore, produce high-dimensional datasets. Hence, the dimensionality reduction for the dataset is required due to high computational complexity. We introduce the comprehensive study on dimensionality reduction techniques which are applied to ICS network cyber security. Moreover, obtained results are evaluated by novelty detection algorithm where One-Class Support Vector Machine algorithm is used.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/VI20172019054" target="_blank" >VI20172019054: Analytický programový modul pro hodnocení odolnosti v reálném čase z hlediska konvergované bezpečnosti</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Annals of DAAAM and Proceedings of the International DAAAM Symposium

  • ISBN

    978-3-902734-20-4

  • ISSN

    1726-9679

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    1084-1091

  • Název nakladatele

    DAAAM International Vienna

  • Místo vydání

    Vienna

  • Místo konání akce

    Zadar

  • Datum konání akce

    24. 10. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku