基于MODBUS的SCADA系统网络威胁与入侵检测

doi:10.3778/j.issn.1002-8331.1606-0409

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (24): 122-128.DOI: 10.3778/j.issn.1002-8331.1606-0409

基于MODBUS的SCADA系统网络威胁与入侵检测

吕雪峰1，2，蒋烈辉1，2，孟奂2

1.信息工程大学，郑州 450001
2.数学工程与先进计算国家重点实验室，郑州 450001

出版日期:2017-12-15 发布日期:2018-01-09

Cyber threats and intrusion detection for MODBUS-based SCADA system

LV Xuefeng1，2, JIANG Liehui1，2, MENG Huan2

1.Information Engineering University, Zhengzhou 450001, China
2.State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China

Online:2017-12-15 Published:2018-01-09

摘要/Abstract

摘要： 数据采集与监视控制（SCADA）系统是国家基础设施的重要组成部分，然而近年来SCADA系统一直遭受网络攻击的威胁。在分析SCADA通信协议脆弱性的基础上，描述了23种基于MODBUS的SCADA系统可能面临的网络威胁，这些威胁可分为四大类：信息扫描、响应注入、命令注入以及拒绝服务。利用SCADA系统与物理系统交互的特性，设计了基于协议缺陷和基于系统状态的检测规则。在实验室天然气管道系统的环境下，进行了基于Snort的入侵检测实验，结果验证了入侵检测规则的有效性。

关键词: 数据采集与监视控制系统, MODBUS, 网络威胁, 入侵检测, Snort

Abstract: Supervisory Control And Data Acquisition （SCADA） system is a key part of national infrastructure, however it is suffering from various cyber attacks these years. Firstly the vulnerability of SCADA communication protocol is analyzed, then 23 cyber threats that a MODBUS-based SCADA system might suffer from are described. These cyber threats can be classified into four categories：Information scanning, response injection, command injection and denial of service. Taking advantage that SCADA system interacts with physical system, detection rules based on protocol vulnerability and system state are proposed. Snort-based intrusion detection experiment is conducted on a gas transmission pipeline system in laboratory, the experiment results validate the detection rules.

Key words: Supervisory Control And Data Acquisition（SCADA） system, MODBUS, cyber threat, intrusion detection, Snort

吕雪峰1，2，蒋烈辉1，2，孟奂2. 基于MODBUS的SCADA系统网络威胁与入侵检测[J]. 计算机工程与应用, 2017, 53(24): 122-128.

LV Xuefeng1，2, JIANG Liehui1，2, MENG Huan2. Cyber threats and intrusion detection for MODBUS-based SCADA system[J]. Computer Engineering and Applications, 2017, 53(24): 122-128.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[3]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[4]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[5]	朱智燊，凌捷，林鹏. 基于隐蔽信道的工控系统数据完整性校验方法[J]. 计算机工程与应用, 2020, 56(9): 125-130.
[6]	黎佳玥，赵波，李想，刘会，刘一凡，邹建文. 基于深度学习的网络流量异常预测方法[J]. 计算机工程与应用, 2020, 56(6): 39-50.
[7]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.
[8]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[9]	汪盼，宋雪桦，王昌达，陈锋，徐夏强，蔡冠宇. 基于改进的深度信念网络的入侵检测方法[J]. 计算机工程与应用, 2020, 56(20): 87-92.
[10]	陈虹，赵建智，肖成龙，陈建虎，肖越. 改进ADASYN-SDA的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(2): 97-105.
[11]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[12]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[13]	刘月峰1，王成1，张亚斌1，苑江浩2. 用于网络入侵检测的多尺度卷积CNN模型[J]. 计算机工程与应用, 2019, 55(3): 90-95.
[14]	蒋欣兰，贾文博. 高铁接触网异物侵入的机器视觉检测方法[J]. 计算机工程与应用, 2019, 55(22): 250-257.
[15]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.

基于MODBUS的SCADA系统网络威胁与入侵检测

Cyber threats and intrusion detection for MODBUS-based SCADA system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics