Faraonic: um framework híbrido para detecção de anomalias em tempo real em redes OT com MODBUSTCP
Carregando...
Data
2025-12-11
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
O crescimento da conectividade entre redes de Tecnologia da Informação (IT) e de Tecnologia Operacional (OT) ampliou a superfície de ataque de infraestruturas industriais, especialmente em protocolos como Modbus/TCP, que carecem de autenticação e criptografia. Para enfrentar esse cenário, este trabalho apresenta o FARAONIC (Framework for Anomaly Recognition and Analysis in Operational Networks for Industrial Cybersecurity), uma abordagem híbrida de detecção que integra inspeção profunda de pacotes (DPI) e aprendizado de máquina supervisionado para identificar anomalias e intrusões em tempo real sem comprometer a disponibilidade operacional. O objetivo central é detectar comportamentos maliciosos em redes OT baseadas em Modbus/TCP por meio de análise determinística e comportamental combinadas. A metodologia envolveu a construção de um ambiente experimental virtualizado e a geração de um dataset rotulado contendo mais de 1,5 milhão de pacotes distribuídos em seis diferentes tipos de ataques. O módulo de DPI apresentou desempenho elevado em ataques com assinatura clara, enquanto o módulo de aprendizado de máquina
alcançou acurácia superior a 99%, destacando-se especialmente na detecção de ataques de mascaramento. Os resultados demonstram que a integração entre DPI e aprendizado de máquina forma uma estratégia eficaz, complementar e interpretável para a segurança de redes OT, capaz de operar em tempo real e de cobrir diferentes perfis de ataque. O estudo contribui para o avanço da segurança cibernética industrial ao disponibilizar um framework replicável, uma metodologia de detecção interpretável e um novo dataset rotulado de tráfego Modbus/TCP, ampliando as possibilidades de pesquisa e aplicação prática em detecção e resposta a incidentes em ambientes industriais.
Descrição
Palavras-chave
Aprendizado computacional, Cibernética, Equipamentos de segurança para computadores - Indústria, Rede de computadores