Medoid Prototype Alignment for Cross-Plant Unknown Attack Detection in Industrial Control Systems

1. Enunciato del Problema

Il paper affronta la sfida critica di distribuire Sistemi di Rilevamento delle Intrusioni (IDS) attraverso diversi impianti di Sistemi di Controllo Industriale (ICS).

• Spostamento del Dominio: Il traffico ICS è fortemente dipendente dal sito a causa delle differenze nei sensori, nei protocolli e nei processi di controllo. Un modello addestrato su un impianto (Sorgente) spesso fallisce quando viene distribuito su un altro (Target).
• Scarsità di Dati e Attacchi Sconosciuti: La raccolta di dati di attacco etichettati è costosa e rischiosa negli ambienti di produzione. Inoltre, gli impianti target affrontano spesso "attacchi sconosciuti" (attacchi non visti durante l'addestramento), rendendo inefficace l'apprendimento supervisionato standard.
• Limitazioni dei Metodi Esistenti: Gli attuali approcci di transfer learning si basano spesso sull'allineamento globale delle caratteristiche (allineando tutti i campioni sorgente e target). Negli ambienti ICS, che contengono comunicazioni a scoppio, rumore e squilibri strutturali, questo allineamento indiscriminato può oscurare i modelli locali e portare a un rilevamento instabile.

2. Metodologia: Allineamento dei Prototipi Medoidi (MPA)

Il framework proposto riformula il rilevamento cross-plant come un problema di adattamento guidato da prototipi. Invece di allineare singoli punti dati, allinea riassunti strutturali robusti (prototipi) delle regioni operative. La pipeline consta di quattro fasi principali:

A. Costruzione della Rappresentazione Condivisa

Poiché i domini sorgente e target possono avere dimensioni delle caratteristiche diverse ($d_s \neq d_t$), il metodo standardizza prima le caratteristiche del traffico in modo indipendente. Utilizza quindi l'Analisi delle Componenti Principali (PCA) per proiettare entrambi i domini in uno spazio di rappresentazione condiviso e a bassa dimensionalità ($Z_s$ e $Z_t$). Ciò crea una base uniforme per il confronto.

B. Estrazione dei Prototipi Medoidi

Invece di utilizzare i centroidi dei cluster (medie), che sono sensibili ai valori anomali, il metodo impiega il clustering K-Medoidi sui dati proiettati tramite PCA.

• Medoidi: Si tratta di osservazioni reali del dataset che minimizzano la dissimilarità all'interno del cluster.
• Vantaggio: I medoidi rappresentano punti operativi fisicamente significativi e sono più robusti al rumore e alle perturbazioni rare comuni nel traffico industriale rispetto ai centri basati sulla media.
• Il risultato è un insieme di prototipi sorgente ($P_s$) e prototipi target ($P_t$).

C. Adattamento Calibrato dai Prototipi

L'obiettivo di apprendimento principale coinvolge un encoder di rappresentazione ($f_\theta$) e un classificatore ($g_\phi$). Il metodo definisce tre componenti di perdita:

1. Perdita di Allineamento dei Prototipi ($L_{proto}$): Calcola una corrispondenza soft tra i prototipi target e i prototipi sorgente utilizzando una similarità softmax basata sulla distanza euclidea. Minimizza la distanza tra un prototipo target e i suoi prototipi sorgente ponderati.
2. Perdita di Classificazione Supervisionata ($L_{sup}$): Garantisce che il modello mantenga il potere discriminatorio sul dominio sorgente etichettato.
3. Regolarizzazione dell'Entropia ($L_{ent}$): Favorisce previsioni confidenti sul dominio target non etichettato minimizzando l'entropia della previsione.

L'obiettivo totale è: $L = L_{sup} + \alpha L_{proto} + \beta L_{ent}$.

3. Contributi Chiave

1. Nuova Formulazione del Problema: Sposta il paradigma dal matching globale diretto delle istanze al transfer a livello di prototipo, enfatizzando il trasferimento di riassunti strutturali locali.
2. Progettazione del Framework: Propone un'architettura specifica che combina compressione PCA, estrazione K-Medoidi e adattamento di dominio calibrato dai prototipi. Questo design è su misura per ambienti industriali eterogenei, rumorosi e con scarsità di etichette.
3. Rigor Empirico: Ridesegna la valutazione per focalizzarsi sulle prestazioni medie cross-task, sul comportamento di transfer direzionale (asimmetria) e sulla robustezza nel caso peggiore, fornendo una visione più realistica dell'affidabilità della distribuzione rispetto alla singola accuratezza del task.

4. Risultati Sperimentali

Il metodo è stato valutato su due distinti sistemi industriali: un Sistema di Controllo del Gas Naturale (G) e un Sistema di Serbatoio di Accumulo Idrico (W). Sono stati testati quattro task di transfer di attacchi sconosciuti cross-dominio (ad esempio, attacchi DoS dal sistema Gas al sistema Acqua).

• Metriche di Prestazione:
  • MPA ha raggiunto un'Accuratezza media di 0.843 e un F1-score di 0.838.
  • Ha superato significativamente le linee di base (ANN, SVM, RF, KNN, NBM). Ad esempio, rispetto alla linea di base più forte (ANN), MPA ha migliorato l'accuratezza media del 62.8% e il F1-score del 109.4%.
• Robustezza:
  • Bassa Dispersione: MPA ha mostrato il coefficiente di variazione (CV) più basso e il più piccolo "gap direzionale composito", indicando prestazioni coerenti indipendentemente dalla direzione del transfer (Gas→Acqua vs Acqua→Gas).
  • Stabilità nel Caso Peggiore: Anche nel task di transfer più difficile, MPA ha mantenuto un'accuratezza minima di 0.81 e un F1-score di 0.80, mentre le linee di base sono crollate significativamente (ad esempio, ANN è sceso a un'accuratezza di 0.50).
• Asimmetria del Transfer: Lo studio ha confermato che il transfer è asimmetrico; l'uso del sistema Gas come sorgente ha generalmente prodotto risultati migliori rispetto al sistema Acqua a causa di una semantica di controllo più ricca. Tuttavia, MPA ha minimizzato il calo delle prestazioni nelle impostazioni di reverse-transfer difficili.

5. Significato e Conclusione

Il paper dimostra che l'Allineamento dei Prototipi Medoidi è una soluzione pratica e robusta per il rilevamento delle intrusioni cross-plant.

• Stabilità sulla Densità: Allineando riassunti compatti di medoidi invece di insiemi densi di campioni, il metodo evita il rumore e l'instabilità intrinseci nell'allineamento globale per i dati industriali.
• Prontezza alla Distribuzione: L'alta prestazione nel caso peggiore e la bassa varianza suggeriscono che MPA è adatto alla distribuzione nel mondo reale, dove l'affidabilità sotto spostamento del dominio è critica.
• Direzioni Future: Gli autori suggeriscono di estendere questo approccio all'etichettatura open-set, all'adattamento online e al monitoraggio in tempo reale.

In sintesi, questo lavoro fornisce un'alternativa strutturalmente fondata all'adattamento di dominio convenzionale, dimostrando che sfruttare strutture operative locali robuste (tramite medoidi) è superiore per gestire l'eterogeneità e la scarsità di etichette nella cybersecurity industriale.