MARC

 008260126s2022        us                              c    eng  d
■001000017360499
■00520260202105537
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263392895
■035    ▼a(MiAaPQ)AAI32314851
■035    ▼a(MiAaPQ)GeorgiaTech66586
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a001
■1001  ▼aChen,  Yu-Cheng.
■24510▼aCyber  Threat  Propagation  Modeling  in  Cyber  Physical  Systems
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2022
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2022
■300    ▼a127  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Mooney,  Vincent;Grijalva,  Santiago.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2022.
■520    ▼aCyber-physical  attacks  on  critical  industrial  control  systems  are  on  the  rise.  These  attacks  may  target  individual  field  cyber-components  or  the  communications  network.  In  the  electricity  grid,  cyber-physical  attacks  can  modify  or  affect  data  or  software  applications  such  as  state  estimator  demand  response,  frequency  regulation  and  voltage  control.  As  a  result,  a  cyber-physical  attack  on  the  grid  can  trigger  operators  to  take  inappropriate  actions  which  can  lead  to  instability  in  the  power  grid  and  cascading  failures  with  significant  consequences.  Hence,  to  ensure  a  secure  and  reliable  power  grid,  it  is  imperative  to  study  the  different  ways  in  which  the  cyber-physical  power  grid  can  be  compromised  and  then  develop  techniques  and  mechanisms  to  detect,  evaluate  and  mitigate  the  propagation  and  impact  of  a  potential  cyber-physical  attack.The  objective  of  the  research  is  to  model  the  propagation  of  cyber-attack  in  cyberphysical  systems.  Note  that  our  research  should  be  applicable  to  all  cyber-physical  systems,  but  we  use  the  electricity  grid  as  the  main  exemplar  for  our  work.  We  utilize  three  models:(a)  A  model  based  on  Markov  principles.  The  Markov  model  uses  a  Markov  chain  to  encapsulate  the  attacker's  strategy  and  probabilities  of  success/failure  of  the  attack  propagating  from  one  node  to  the  next.  Each  node  in  the  Markov  model  represents  at  least  one  attacker  goal  in  the  cyber-physical  system.(b)  A  game-theoretic  probabilistic  learning  attacker,  dynamic  defender  (PLADD)  model  [1].  PLADD  models  ongoing  contention  between  defender  and  attacker  for  "ownership"  of  an  access  control,  where  attacker  ownership  implies  the  attacker  has  access  and  defender  ownership  implies  denied  attacker  access.  The  PLADD  model  leverages  game  theory  similar  to  FlipIt  [2]  to  analyze  defender  and  attacker  interactions.(c)  The  hybrid  attack  model  [3],  which  combines  both  Markov  and  PLADD  model.  The  hybrid  attack  model  (HAM)  is  a  hybrid  of  (a)  and  (b).  HAM  consists  of  both  PLADD  games  and  Markov  nodes.  In  HAM,  an  attack  is  split  into  preparation  and  execution  stages.  In  HAM,  PLADD  games  are  used  to  model  attacker  actions  in  the  preparation  stage,  and  the  Markov  nodes  are  used  to  model  attacker  actions  in  the  execution  stage.Additionally,  the  hybrid  attack  model  is  extended  to  assess  risk  in  a  cyber-physical  system.  The  risk  assessment  allows  cyber-physical  system  operators  to  quantitatively  determine  which  area  of  the  cyber-physical  system  is  the  most  vulnerable  and  requires  a  security  update.  Lastly,  sensitivity  analysis  is  done  on  an  example  power  grid  scenario  to  determine  the  maximum  risk  value.
■590    ▼aSchool  code:  0078.
■650  4▼aSoftware
■650  4▼aComputers
■650  4▼aFailure
■650  4▼aSensitivity  analysis
■650  4▼aSuccess
■650  4▼aMathematical  models
■650  4▼aElectricity  distribution
■650  4▼aGraph  representations
■650  4▼aCybersecurity
■650  4▼aGame  theory
■650  4▼aCommunications  networks
■650  4▼aProbability
■650  4▼aProbability  distribution
■650  4▼aAccess  control
■650  4▼aMarkov  analysis
■650  4▼aComputer  science
■650  4▼aElectrical  engineering
■650  4▼aMathematics
■690    ▼a0984
■690    ▼a0544
■690    ▼a0405
■690    ▼a0796
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2022
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360499▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서