由英國核先進制造研究中心(Nuclear AMRC)牽頭的研究團隊近日成功示范了一種可實時識別核電廠網(wǎng)絡攻擊的人工智能系統(tǒng)，該系統(tǒng)利用名為“波浪注意力網(wǎng)絡”(wavy-attention network)的機器學習技術。這項研究成果已在近期出版《核工程與設計》上發(fā)表。

現(xiàn)代核電廠越來越依賴數(shù)字儀控系統(tǒng)，這些系統(tǒng)雖提高了運營效率，但也面臨網(wǎng)絡安全風險。網(wǎng)絡攻可以通過用于監(jiān)測核電廠運行狀況的網(wǎng)絡傳感器陣列實施。潛在攻擊者可能通過輸入虛假數(shù)據(jù)或篡改控制系統(tǒng)邏輯來干擾核電廠運行，可能導致設備損壞或引發(fā)更嚴重后果。

研究團隊開發(fā)的系統(tǒng)基于谷歌公司(Google)的WaveNet系統(tǒng)，結合了機器學習技術，能夠識別傳感器數(shù)據(jù)流中的異常。該系統(tǒng)由多層一維神經(jīng)網(wǎng)絡組成，每層分析不同傳感器的數(shù)據(jù)。

為驗證系統(tǒng)可行性，研究人員使用Asherah核電站模擬器(由圣保羅大學為網(wǎng)絡安全研究開發(fā))進行了測試。他們首先收集正常運行數(shù)據(jù)訓練網(wǎng)絡，然后模擬各種網(wǎng)絡攻擊。結果顯示，該系統(tǒng)能實時識別99%的攻擊，大幅超過其他基準模型的表現(xiàn)。

未來，研究團隊計劃通過硬件實驗進一步驗證系統(tǒng)實用性。