SISTEMA DE DETECÇÃO DE ATAQUE EM REDES INDUSTRIAIS QUE UTILIZAM PROTOCOLO PROFINET
Resumo
Este artigo busca detalhar o desenvolvimento, aplicabilidade e análise de um sistema de detecção de ataques cibernéticos em redes industriais utilizando o protocolo PROFINET. Ao longo do estudo, foi simulado um ambiente industrial utilizando CLP, IHM e uma bancada experimental, configurados a partir do software TIA Portal. Foi realizada coleta de tráfegos de dados com o sniffer de rede Wireshark, analisando as condições normais e anômalas, gerado por um disparador de ataque do tipo ARP Spoofing, implementado por meio da ferramenta Ettercap operando em plataforma Kali Linux. A partir da coleta, foi elaborado um Dataset, posteriormente submetido a um pré-processamento, normalização de dados e aplicado a um modelo de Machine Learning por meio do algoritmo Random Forest, desenvolvido no ambiente MATLAB, gerando métricas para avaliar o desempenho nos sistemas desenvolvidos. O resultado apresentado foi satisfatório, pois todas as métricas alcançaram altos valores de assertividade, evidenciando um modelo de classificação robusto e equilibrado, atendendo à expectativa de eficácia do sistema.
Palavras-chave
Texto completo:
Sem títuloReferências
ADARI, Suman Kalyan; ALLA, Sridhar. Beginning anomaly detection using Python-based deep learning: implement anomaly detection applications with Keras and PyTorch. 2. ed. [S.l.]: Apress, 2024.
AMO, Gustavo Garcia de; ROEPKE, Hermano. As IOT NETWORKS AND TECHNOLOGICAL INNOVATION IN INDUSTRY: Industrials network. Revista e-TECH: Tecnologias para Competitividade Industrial-ISSN-1983-1838, v. 17, n. 1, 2024.
CHOLLET, François. Deep learning with Python. 2. ed. Shelter Island, NY: Manning Publications, 2021.
CERT.br. Centro de Estudos, Resposta e Tratamento de Incidentes de Segurança no Brasil. Relatório de Atividades 2023. São Paulo: NIC.br, 2023. Disponível em: https://www.cert.br. Acesso em: 25 mai. 2025.
DEMETRIO, Danilo; JUNIOR, Orlando Rosa; PISCIOTTA, Alex. COMPARATIVO DE REDES DE COMUNICAÇÃO DE ROBÔS INDUSTRIAIS: Resumo. REVISTA DE ENGENHARIA E TECNOLOGIA, v. 16, n. 1, 2024.
ILÁRIO, Lucas Rodrigues. Contribuições para integração da indústria 4.0 nas redes elétricas inteligentes. Dissertação (Mestrado). Engenharia Elétrica. Programa de Pós-Graduação em Engenharia Elétrica, Interunidades, entre o Instituto de Ciência e Tecnologia de Sorocaba e o Campus de São João da Boa Vista da Universidade Estadual Paulista “Júlio de Mesquita Filho”. Sorocaba. 2020.103p.
MÊLO, Thiago. FIESP diz que 30% das indústrias já foram alvo de ataques cibernéticos. Metrópoles, 17 fev. 2025. Disponível em: https://www.metropoles.com/negocios/industria/fiesp-diz-que-30-das-industrias-ja-foram-alvo-de-ataques-ciberneticos. Acesso em: 3 mar. 2025.
MOTA, Rubens Nascimento et al. Rastreabilidade no processo industrial baseado em conceitos da Indústria 4.0. Revista Brasileira de Mecatrônica, v. 5, n. 1, p. 39-62, 2022
NICOLAIO, Ivo GA; MUNARETTO, Anelise; FONSECA, Mauro. Uma proposta de detecção de ataques cibernéticos em sistemas de controle industrial (ics). In: Workshop de Gerência e Operação de Redes e Serviços (WGRS). SBC, 2023. p. 153-166
NICOLAIO, Ivo Gabriel de Abreu et al. Detecção de ataques em duas fases usando aprendizado de máquinas em sistemas de controle industrial de infraestruturas crítica. 2024. Dissertação de Mestrado. Universidade Tecnológica Federal do Paraná.
PONTES, Francisco Jeferson da Silveira. Avaliação do desempenho de técnicas de aprendizado de máquina na detecção de malware em tráfego de Redes IoT. 2024. 59 f. TCC (Graduação em Engenharia de Computação) – Campus de Sobral, Universidade Federal do Ceará, Sobral, 2024.
RASCHKA, S.; MIRJALILI, V. Python machine learning: machine learning and deep learning with Python, scikit-learn, and TensorFlow. 2. ed. Birmingham: Packt Publishing, 2017.
TEIXEIRA, Catharina Daher; CLARIM, Mariana de Lacerda. Estudo das vulnerabilidades de tecnologias sem fio utilizadas em ambientes IoT. Brasília, 2017. Trabalho de Graduação (Engenharia de Redes de Comunicação) – Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017.
TURCATO, Afonso Celso. Desenvolvimento de método para detecção de intrusão em redes PROFINET baseado em técnicas de Aprendizado de Máquina. 2020. Tese de Doutorado. Universidade de São Paulo.