Deteção autónoma de anomalias em redes SCADA

Esta investiga o aborda a crescente vulnerabilidade das redes SCADA legadas em infraestruturas cr ticas perante ataques ciberf sicos sofisticados. Estes sistemas, que frequentemente utilizam protocolos inseguros como Modbus e DNP3, s o mal protegidos pela dete o de intrus o tradicional baseada em assinaturas. Este estudo prop e uma estrutura de dete o aut noma de anomalias que alavanca a aprendizagem profunda para identificar amea as em tempo real. Ao analisar dados operacionais, modelos como o LSTM-Autoencoder aprendem padr es comportamentais normais e sinalizam desvios com elevada precis o. O sistema desenvolvido demonstra um desempenho superior na dete o de ataques furtivos, como a inje o de dados falsos e a manipula o de comandos, reduzindo significativamente a lat ncia de dete o. Esta abordagem baseada em dados fornece um mecanismo de seguran a proativo, aumentando a resili ncia do sistema sem atualiza es de infraestrutura dispendiosas. Representa uma mudan a cr tica para uma defesa inteligente e adapt vel para salvaguardar servi os essenciais contra ciberamea as em evolu o, garantindo a continuidade operacional e a seguran a. A estrutura integra capacidades de aprendizagem cont nua, permitindo-lhe adaptar-se a novas amea as e padr es de tr fego. Avalia o experimental atrav s de simula es.