HAI (HIL-based Augmented ICS) Security Dataset

HAI数据集是从一个真实的工业控制系统（ICS）测试平台收集的，该平台通过硬件在环（HIL）模拟器增强了蒸汽涡轮发电和抽水蓄能水电发电的模拟。

The HAI dataset is collected from a real industrial control system (ICS) test platform, which is enhanced by a hardware-in-the-loop (HIL) simulator to simulate steam turbine power generation and pumped-storage hydroelectric power generation.

原始信息汇总

HAI (HIL-based Augmented ICS) Security Dataset 概述

数据集背景

• 2017年：启动了三个实验室规模的CPS测试平台，包括GE的涡轮测试平台、Emerson的锅炉测试平台和FESTO的模块化生产系统（MPS）水处理测试平台。
• 2018年：构建了一个复杂的过程系统，使用HIL模拟器结合三个系统，模拟热电和抽水蓄能水电的生成。安装了OPC-UA网关以促进来自异构设备的数据收集。
• 数据集版本：
  • HAI 1.0：2020年2月发布，包含38次攻击的ICS操作数据。
  • HAI 20.07：HAI 1.0的调试版本，于2020年8月发布。
  • HAI 21.03：2021年发布，基于更紧密耦合的HIL模拟器，提供更清晰的攻击效果和额外攻击。
  • HAI 22.04：包含更复杂的攻击，检测难度约为HAI 21.03的四倍。
  • HAI/HAIEnd 23.05：2022年开发，用于ICS端点威胁检测，包括锅炉DCS内部控制逻辑的更多点。

HAI测试平台

• 锅炉过程（P1）：使用Emerson Ovation DCS控制。
• 涡轮过程（P2）：使用GE的Mark VIe DCS控制。
• 水处理过程（P3）：使用Siemens的S7-300 PLC控制。
• HIL模拟（P4）：使用dSPACE的SCALEXIO系统进行模拟，通过Siemens S7-1500 PLC和ET200远程IO设备与真实世界过程互连。

HAI数据集

• 数据集版本：已发布四个版本，每个版本包含多个CSV文件，满足时间连续性。
• 数据字段：每个CSV文件的第一列表示观测时间，其余列提供记录的SCADA数据点。最后四列提供数据标签，指示是否发生攻击。

数据集获取

• 使用git clone命令从GitHub克隆数据集。
• 从HAI 22.04版本开始，使用git lfs pull下载实际文件内容。

性能指标

• 推荐使用eTaPR（Enhanced Time-series Aware Precision and Recall）指标评估异常检测模型。

使用该数据集的项目

• 列出了从2020年到2023年使用该数据集的多个研究项目和实验。

搜集汇总

数据集介绍

构建方式

HAI数据集通过在现实工业控制系统（ICS）测试平台上结合硬件在环（HIL）模拟器构建而成。该测试平台包括锅炉、涡轮机和水处理过程，并通过HIL模拟器模拟蒸汽涡轮发电和抽水蓄能水力发电。数据集的构建始于2017年，最初使用三个实验室规模的CPS测试平台，随后在2018年通过HIL模拟器将这些系统整合，确保变量高度耦合和相关，以生成更丰富的数据集。数据收集通过OPC-UA网关从异构设备中进行，确保数据的连续性和完整性。

特点

HAI数据集的特点在于其高度现实性和复杂性，通过HIL模拟器增强了ICS操作数据的丰富性和多样性。数据集包含正常和异常情况下的操作数据，涵盖多种攻击场景，从HAI 1.0到HAI 23.05，版本不断更新，攻击复杂度逐渐增加，检测难度也随之提升。此外，HAI数据集提供了Python NetworkX图数据，有助于分析和优化异常检测性能。

使用方法

使用HAI数据集时，用户可以通过GitHub或Kaggle下载数据，使用git clone命令克隆仓库，并通过git lfs pull下载实际文件内容。数据集以CSV文件形式提供，每个文件满足时间连续性，包含时间戳和SCADA数据点。推荐使用eTaPR（Enhanced Time-series Aware Precision and Recall）指标评估异常检测模型，确保与其他研究的性能比较公平。数据集适用于多种工业控制系统安全相关的研究和实验，支持机器学习和深度学习模型的训练和验证。

背景与挑战

背景概述

HAI (HIL-based Augmented ICS) Security Dataset 是由硬件在环（HIL）模拟器增强的工业控制系统（ICS）测试平台收集的数据集。该数据集的核心研究问题在于通过模拟真实的工业控制系统环境，提供丰富的操作数据和异常情况数据，以支持工业控制系统安全领域的研究。数据集的创建始于2017年，由多个实验室规模的CPS测试平台启动，随后在2018年通过HIL模拟器构建了更为复杂的系统。HAI数据集自2020年首次发布以来，已历经多个版本的迭代，最新版本HAI 23.05于2022年发布，旨在进一步提高攻击检测的难度和复杂性。该数据集的主要研究人员和机构通过不断更新和优化数据集，显著推动了工业控制系统安全领域的发展。

当前挑战

HAI数据集在构建过程中面临多项挑战。首先，如何通过HIL模拟器精确模拟复杂的工业控制系统环境，确保数据的真实性和可靠性，是一大技术难题。其次，随着数据集版本的更新，攻击的复杂性和隐蔽性不断增加，导致异常检测的难度显著提升。例如，HAI 22.04版本的检测难度约为HAI 21.03版本的四倍。此外，数据集的多样性和大规模性也对数据处理和分析提出了高要求。最后，如何在保证数据质量的同时，提供易于使用的数据格式和工具，以便研究人员能够高效地进行实验和验证，也是该数据集面临的重要挑战。

常用场景

经典使用场景

在工业控制系统（ICS）安全领域，HAI数据集的经典使用场景主要集中在异常检测和入侵检测。通过模拟真实的工业控制环境，该数据集提供了丰富的正常和异常操作数据，使得研究人员能够开发和验证各种异常检测算法。例如，基于时间序列分析、机器学习和深度学习的方法，可以有效地识别出系统中的异常行为，从而提高ICS的安全性。

实际应用

在实际应用中，HAI数据集被广泛用于工业控制系统的安全监控和威胁检测。通过分析数据集中的时间序列数据，企业可以实时监控其工业控制系统的运行状态，及时发现并应对潜在的安全威胁。此外，该数据集还支持开发定制化的安全解决方案，以满足不同工业环境下的特定需求，从而提升整体工业控制系统的安全性和可靠性。

衍生相关工作

基于HAI数据集，许多经典工作得以衍生和发展。例如，研究人员开发了多种异常检测算法，如基于深度学习的异常检测模型和基于时间序列分析的方法。此外，HAI数据集还促进了跨学科研究，如将控制理论与网络安全相结合，推动了工业控制系统安全领域的发展。这些工作不仅提升了异常检测的准确性和效率，还为工业控制系统的安全提供了新的理论和方法。