由英国核先进制造研究中心(Nuclear AMRC)牵头的研究团队近日成功示范了一种可实时识别核电厂网络攻击的人工智能系统，该系统利用名为“波浪注意力网络”(wavy-attention network)的机器学习技术。这项研究成果已在近期出版《核工程与设计》上发表。
现代核电厂越来越依赖数字仪控系统，这些系统虽提高了运营效率，但也面临网络安全风险。网络攻可以通过用于监测核电厂运行状况的网络传感器阵列实施。潜在攻击者可能通过输入虚假数据或篡改控制系统逻辑来干扰核电厂运行，可能导致设备损坏或引发更严重后果。
研究团队开发的系统基于谷歌公司(Google)的WaveNet系统，结合了机器学习技术，能够识别传感器数据流中的异常。该系统由多层一维神经网络组成，每层分析不同传感器的数据。
为验证系统可行性，研究人员使用Asherah核电站模拟器(由圣保罗大学为网络安全研究开发)进行了测试。他们首先收集正常运行数据训练网络，然后模拟各种网络攻击。结果显示，该系统能实时识别99%的攻击，大幅超过其他基准模型的表现。
未来，研究团队计划通过硬件实验进一步验证系统实用性。
免责声明：本网转载自合作媒体、机构或其他网站的信息，登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。本网所有信息仅供参考，不做交易和服务的根据。本网内容如有侵权或其它问题请及时告之，本网将及时修改或删除。凡以任何方式登录本网站或直接、间接使用本网站资料者，视为自愿接受本网站声明的约束。
