Chukwunenye Amadi
Esta investigação aborda a crescente vulnerabilidade das redes SCADA legadas em infraestruturas críticas perante ataques ciberfísicos sofisticados. Estes sistemas, que frequentemente utilizam protocolos inseguros como Modbus e DNP3, são mal protegidos pela deteção de intrusão tradicional baseada em assinaturas. Este estudo propõe uma estrutura de deteção autónoma de anomalias que alavanca a aprendizagem profunda para identificar ameaças em tempo real. Ao analisar dados operacionais, modelos como o LSTM-Autoencoder aprendem padrões comportamentais normais e sinalizam desvios com elevada precisão. O sistema desenvolvido demonstra um desempenho superior na deteção de ataques furtivos, como a injeção de dados falsos e a manipulação de comandos, reduzindo significativamente a latência de deteção. Esta abordagem baseada em dados fornece um mecanismo de segurança proativo, aumentando a resiliência do sistema sem atualizações de infraestrutura dispendiosas. Representa uma mudança crítica para uma defesa inteligente e adaptável para salvaguardar serviços essenciais contra ciberameaças em evolução, garantindo a continuidade operacional e a segurança. A estrutura integra capacidades de aprendizagem contínua, permitindo-lhe adaptar-se a novas ameaças e padrões de tráfego. Avaliação experimental através de simulações.
