បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាប្រឈមក្នុងការធ្វើឱ្យការរកឃើញភាពមិនប្រក្រតីដោយប្រើប្រាស់ម៉ាស៊ីនសិក្សា (Machine Learning) កាន់តែមានប្រសិទ្ធភាព និងអាចទទួលយកបានសម្រាប់ប្រព័ន្ធគ្រប់គ្រងឧស្សាហកម្ម (Industrial Control Systems - ICS) ព្រមទាំងដោះស្រាយបញ្ហាទាក់ទងនឹងការវាយតម្លៃខុស (False positives) និងការកសាងទំនុកចិត្តរបស់អ្នកប្រតិបត្តិការ។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធបានធ្វើការវាយតម្លៃយ៉ាងទូលំទូលាយលើម៉ូដែលម៉ាស៊ីនសិក្សា (Machine Learning) បង្កើតវិធីសាស្ត្រកំណត់ប្រភពបញ្ហា (Attribution methods) និងធ្វើការសិក្សាជាមួយអ្នកប្រតិបត្តិការផ្ទាល់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| CyPRESS (Cyber-Physical REpresentations with Sparse Structures) ម៉ូដែលបណ្តាញក្រាហ្វមានរចនាសម្ព័ន្ធស្តើង ដែលរៀនពីទំនាក់ទំនងរូបវន្ត និងតក្កវិជ្ជានៃប្រព័ន្ធ |
ទាមទារប៉ារ៉ាម៉ែត្រតិចតួចបំផុត ដំណើរការលឿន និងមានសមត្ថភាពខ្ពស់ក្នុងការទប់ទល់នឹងការវាយប្រហារបញ្ឆោត (Evasion attacks)។ ការចង្អុលបង្ហាញទីតាំងវាយប្រហារ (Attribution) មានភាពច្បាស់លាស់។ | ទាមទារឲ្យមានការកំណត់ទំនាក់ទំនងរវាងឧបករណ៍ (Graph specification) ពីអ្នកជំនាញ ឬតាមរយៈការវិភាគទិន្នន័យជាមុនសិន។ | សម្រេចបានលទ្ធផលស្មើនឹងម៉ូដែល Deep learning តែប្រើប្រាស់ប៉ារ៉ាម៉ែត្រតិចជាង ១០០០ដង និងដំណើរការលឿនជាងរហូតដល់ ៥០ដង។ |
| Deep Learning (CNN, GRU, LSTM) ម៉ូដែលបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតស៊ីជម្រៅ (Deep Learning) |
អាចរៀនពីទិន្នន័យប្រតិបត្តិការស្មុគស្មាញបានដោយស្វ័យប្រវត្តិដោយមិនបាច់មានអ្នកជំនាញប្រាប់ពីទំនាក់ទំនងឧបករណ៍ជាមុន។ | ទាមទារកម្លាំងម៉ាស៊ីនធំ ងាយរៀនសូត្រពីទិន្នន័យមិនពិត (Spurious correlations) និងងាយចាញ់បោកការវាយប្រហារអនាមិក។ ការទាញរកប្រភពដើម (Attribution) មានកម្រិតទាប។ | មានអត្រាចាប់កំហុសខ្ពស់ (High F1 scores) ប៉ុន្តែមានកម្រិតភាពត្រឹមត្រូវទាបនៅពេលត្រូវស្វែងរកឧបករណ៍ដែលរងការវាយប្រហារ (AvgRank ខ្ពស់)។ |
| Raw-Error Ranking (MSE / Statistical Models) ម៉ូដែលស្ថិតិ និងការវាយតម្លៃចំណាត់ថ្នាក់កំហុសដើម (AR, PASAD) |
មានភាពសាមញ្ញ ងាយស្រួលយល់ និងមិនត្រូវការកម្លាំងម៉ាស៊ីនធំក្នុងការគណនា។ | មិនអាចស្វែងយល់ពីទំនាក់ទំនងរវាងសេនស័រ (Sensors) និងឧបករណ៍បញ្ជា (Actuators) ផ្សេងៗបានល្អ ធ្វើឲ្យការចាប់ទីតាំងប្រភពវាយប្រហារខុសច្រើន។ | អត្រាបញ្ជាក់ពីទីតាំងវាយប្រហារខុសរហូតដល់ជាង ៦០% នៃប្រតិបត្តិការទាំងអស់ ដែលធ្វើឲ្យប្រតិបត្តិករលំបាកក្នុងការដោះស្រាយបញ្ហាជាក់ស្តែង។ |
ការចំណាយលើធនធាន (Resource Cost)៖ វិធីសាស្ត្រ CyPRESS ដែលបានស្នើឡើង ទាមទារកម្លាំងម៉ាស៊ីន និងធនធានតិចតួចបំផុត ដោយលុបបំបាត់តម្រូវការម៉ាស៊ីនកុំព្យូទ័រធំៗ (High-end GPUs) ខណៈពេលរក្សាបាននូវប្រសិទ្ធភាពខ្ពស់។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីមន្ទីរពិសោធន៍នៅប្រទេសសិង្ហបុរី (SWaT, WADI) និងកម្មវិធីក្លែងធ្វើ (TEP, CTown) ដែលសុទ្ធសឹងជាប្រព័ន្ធមានស្តង់ដារ និងមានការកត់ត្រាទុកច្បាស់លាស់។ សម្រាប់ប្រទេសកម្ពុជា រោងចក្រ ឬប្រព័ន្ធគ្រប់គ្រងភាគច្រើនអាចជួបបញ្ហាកង្វះទិន្នន័យ បណ្តាញសេនស័រចាស់ៗ និងការកត់ត្រាមិនបានត្រឹមត្រូវ ដែលអាចធ្វើឲ្យការអនុវត្តម៉ូដែលនេះប្រឈមនឹងការលំបាកក្នុងតំណាក់កាលដំបូង។
ទោះជាយ៉ាងណា វិធីសាស្ត្រ CyPRESS មានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ដោយសារវាជាម៉ូដែលទម្ងន់ស្រាល ដែលមិនតម្រូវឲ្យចំណាយថវិកាច្រើនលើហេដ្ឋារចនាសម្ព័ន្ធ IT។
សរុបមក ការប្រើប្រាស់បច្ចេកវិទ្យា AI ដែលមានតម្លាភាព និងប្រើធនធានតិចតួចដូចជា CyPRESS គឺជាជម្រើសដ៏ឆ្លាតវៃសម្រាប់កម្ពុជាក្នុងការធ្វើទំនើបកម្មប្រព័ន្ធឧស្សាហកម្ម និងរៀបចំខ្លួនការពារការវាយប្រហារតាមប្រព័ន្ធអ៊ីនធឺណិតនាពេលអនាគត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Industrial Control Systems (ICS) | ជាប្រព័ន្ធកុំព្យូទ័រនិងបណ្តាញដែលត្រូវបានប្រើប្រាស់សម្រាប់គ្រប់គ្រង និងតាមដានដំណើរការម៉ាស៊ីននៅក្នុងរោងចក្រ ស្ថានីយអគ្គិសនី ឬប្រព័ន្ធចម្រោះទឹកស្អាតជាដើម។ វាមានតួនាទីទទួលទិន្នន័យពីសេនស័រ និងបញ្ជាដោយស្វ័យប្រវត្តិទៅលើឧបករណ៍រូបវន្តផ្សេងៗ។ | ដូចជាខួរក្បាល និងប្រព័ន្ធសរសៃប្រសាទដែលបញ្ជាឲ្យសរីរាង្គក្នុងរាងកាយយើងធ្វើការប្រចាំថ្ងៃអញ្ចឹងដែរ។ |
| Anomaly Detection | ជាដំណើរការនៃការប្រើប្រាស់បច្ចេកវិទ្យាម៉ាស៊ីនរៀន (Machine Learning) ឬច្បាប់ដែលបានកំណត់ទុក ដើម្បីស្វែងរកសកម្មភាព ឬទិន្នន័យណាដែលប្រែប្រួលខុសពីប្រក្រតីភាព ដែលអាចជាសញ្ញានៃការខូចខាតប្រព័ន្ធ ឬការវាយប្រហារតាមអ៊ីនធឺណិត។ | ដូចជាសន្តិសុខអគារដែលចងចាំមុខបុគ្គលិកធម្មតា ហើយប្រកាសអាសន្នភ្លាមៗនៅពេលឃើញមានជនចម្លែកលួចចូលមក។ |
| Attribution methods | ជាបច្ចេកទេសគណនានៅក្នុងម៉ាស៊ីនរៀន ដែលមានតួនាទីទាញរកប្រភពដើម ដើម្បីបង្ហាញថាតើផ្នែកមួយណា (សេនស័រ ឬម៉ូទ័រ) ដែលជាមូលហេតុធ្វើឲ្យប្រព័ន្ធប្រកាសអាសន្នពីភាពមិនប្រក្រតី ដែលជួយឲ្យប្រតិបត្តិករដឹងចំគោលដៅក្នុងការជួសជុល។ | ដូចជាគ្រូពេទ្យធ្វើរោគវិនិច្ឆ័យដើម្បីរកឲ្យឃើញច្បាស់ថា តើសរីរាង្គមួយណាដែលកំពុងរលាកនិងធ្វើឲ្យអ្នកជំងឺក្តៅខ្លួន។ |
| Programmable Logic Controllers (PLCs) | ជាកុំព្យូទ័រខ្នាតតូចពិសេស ដែលត្រូវបានបំពាក់នៅកៀកនឹងម៉ាស៊ីនផ្ទាល់ ដើម្បីទទួលទិន្នន័យពីសេនស័រ (Sensors) និងបញ្ជាទៅឧបករណ៍ធ្វើសកម្មភាព (Actuators) ដូចជាការបិទ ឬបើកសន្ទះវ៉ានទឹកដោយស្វ័យប្រវត្តិក្នុងរោងចក្រ។ | ដូចជាមេការប្រចាំការនៅរោងចក្រផ្ទាល់ ដែលចាំស្តាប់របាយការណ៍ និងស្រែកបញ្ជាកម្មករឲ្យធ្វើការតាមផែនការដោយមិនបាច់រង់ចាំថៅកែធំ។ |
| Supervisory Control and Data Acquisition (SCADA) | ជាប្រព័ន្ធផ្នែកទន់ (Software) កម្រិតខ្ពស់ដែលប្រមូលផ្តុំទិន្នន័យពីគ្រប់ PLCs ទាំងអស់មកបង្ហាញលើផ្ទាំងបញ្ជាតែមួយ ដើម្បីឲ្យអ្នកប្រតិបត្តិការអាចមើលឃើញស្ថានភាពជារួមទាំងមូល និងបញ្ជាដំណើរការបានពីចម្ងាយ។ | ដូចជាបន្ទប់តាមដានកាមេរ៉ាសុវត្ថិភាពកណ្តាល ដែលប្រធានសន្តិសុខអាចអង្គុយមើលឃើញគ្រប់ជ្រុងទាំងអស់នៃអគារធំមួយយ៉ាងច្បាស់លាស់។ |
| Range-based metrics | ជារង្វាស់វាយតម្លៃប្រសិទ្ធភាពរបស់ម៉ូដែល AI ដែលគិតចំណាត់ថ្នាក់ទៅលើ 'ចន្លោះពេលទាំងមូល' នៃការវាយប្រហារ ជំនួសឲ្យការវាយតម្លៃត្រឹមតែចំណុចពេលវេលានីមួយៗដាច់ពីគ្នា។ វាជួយបង្ហាញថាប្រព័ន្ធអាចចាប់កំហុសបានលឿននិងមានប្រយោជន៍កម្រិតណា។ | ដូចជាការវាយតម្លៃសិស្សដោយមើលលើលទ្ធផលការងារជាក្រុមពេញមួយខែ ជាជាងការកាត់ក្តីដោយមើលតែពិន្ទុប្រឡងល្បងប្រាជ្ញាមួយថ្ងៃ។ |
| Evasion attacks | ជាយុទ្ធសាស្ត្រវាយប្រហារយ៉ាងឆ្លាតវៃ ដែលហេគឃ័របញ្ឆោតប្រព័ន្ធ AI ដោយកែច្នៃទិន្នន័យរបស់ខ្លួនបន្តិចបន្តួច ដើម្បីធ្វើឲ្យការវាយប្រហារនោះមើលទៅមានលក្ខណៈដូចជាទិន្នន័យធម្មតា ក្នុងគោលបំណងឆ្លងកាត់ប្រព័ន្ធការពារដោយគ្មានអ្នកសង្ស័យ។ | ដូចជាចោរពាក់ឯកសណ្ឋានជាបុគ្គលិកអនាម័យ ដើម្បីបន្លំភ្នែកសន្តិសុខដើរចូលក្នុងធនាគារ។ |
| Structurally sparse model | ជាម៉ូដែល AI ដែលត្រូវបានរចនាឡើងដោយភ្ជាប់ក្រាហ្វទិន្នន័យ (Graph connections) តែលើផ្នែកម៉ាស៊ីនដែលមានទំនាក់ទំនងគ្នាក្នុងរូបវន្តជាក់ស្តែងប៉ុណ្ណោះ។ ការធ្វើបែបនេះជួយសន្សំសំចៃកម្លាំងកុំព្យូទ័រ និងការពារកុំឲ្យ AI ចាប់យកទំនាក់ទំនងទិន្នន័យខុស។ | ដូចជាការរៀបចំខ្សែបណ្តាញទូរស័ព្ទឲ្យខលផ្ទាល់តែទៅប្រធានផ្នែកដែលពាក់ព័ន្ធ ជាជាងបើកឲ្យខលចូលគ្រប់តុរបស់បុគ្គលិកទាំងអស់ក្នុងក្រុមហ៊ុន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
