Abstract
Artikel ini membahas peningkatan keamanan siber dalam konteks sistem kontrol industri melalui pendekatan pembelajaran mendalam (deep learning). Sistem kontrol industri mengatur berbagai proses kritis dalam berbagai sektor, dan sering menjadi target serangan siber yang dapat memiliki dampak serius terhadap operasi dan keamanan fasilitas. Pendekatan konvensional dalam deteksi serangan sering kali terbatas dalam mengenali ancaman baru dan serangan yang kompleks. Dalam artikel ini, kami mengkaji penerapan teknik pembelajaran mendalam, seperti jaringan saraf tiruan (neural networks) dan algoritma deep learning lainnya, untuk mendeteksi ancaman siber dalam sistem kontrol industri. Kami menjelaskan konsep dasar, arsitektur, dan metode pelatihan untuk menerapkan pendekatan ini. Melalui penelitian ini, kami berharap dapat memberikan wawasan tentang potensi deep learning dalam meningkatkan deteksi dan respons terhadap serangan siber dalam lingkungan sistem kontrol industri yang kritis.
Concepts :
Citations by Year
| Year | Count |
|---|---|
| 2023 | 0 |