Neuro-symbolic models for ensuring cybersecurity in critical cyber-physical systems

У поданій статті представлені результати всебічного дослідження застосування нейросимволічного підходу для виявлення та запобігання кіберзагрозам у залізничних системах, критичному компоненті кіберфізичної інфраструктури. Зростаюча складність та інтеграція фізичних систем із цифровими технологіями зробили таку інфраструктуру вразливою до кібератак, коли порушення можуть призвести до тяжких наслідків, зокрема системних збоїв, фінансових втрат і загроз громадській безпеці та навколишньому середовищу. Метою цього дослідження було оцінити ефективність нейросимволічного підходу, який поєднує штучні нейронні мережі з символьними алгоритмами, у виявленні та пом’якшенні кіберзагроз у динамічних середовищах. Методологія передбачала моделювання різних сценаріїв кібератак на тестовій архітектурі безпеки залізничної системи з подальшим застосуванням нейросимволічної моделі для виявлення загроз та реагування на них. Результати показали, що нейросимволічний підхід продемонстрував високу точність у виявленні кіберзагроз і був особливо ефективним у адаптації до нових і невідомих типів атак. У порівнянні з традиційними методами цей підхід значно підвищив ефективність виявлення та швидкість реакції. Результати підтверджують, що нейросимволічний підхід покращує кібербезпеку, особливо в критичних інфраструктурах, таких як залізничні системи, і сприяє більш надійному захисту даних, пов’язаних з пасажирами та вантажами, що перевозяться. Подальші дослідження будуть зосереджені на оптимізації реалізації цих алгоритмів і розширенні діапазону практичного застосування в інших критичних секторах.