Intelligent approaches for tackling cyber-physical threats of critical infrastructures

Abstract

Critical infrastructures (CIs) are essential to modern society, encompassing sectors such as energy, transportation, and communications. As these infrastructures increasingly rely on interconnected cyber-physical systems (CPS), they face a growing range of threats from cyberattacks and physical sabotage. This PhD thesis, titled "Intelligent Approaches for Tackling Cyber-Physical Threats of Critical Infrastructures", addresses the urgent need for advanced, intelligent frameworks capable of detecting, mitigating, and neutralizing cyber-physical threats. The research spans multiple domains of CI security, integrating cutting-edge technologies such as artificial intelligence (AI), sensor fusion, and drone interception systems.The thesis builds on four published works, each addressing a unique aspect of CI security. The first paper proposes an innovative security screening architecture for detecting illicit goods in postal services and other CI contexts. By incorporating a range of sensors (e.g., terahertz, X-ray, chemical, and biological detectors) and fusing the resulting data through AI, this architecture creates a comprehensive framework for identifying illicit goods in real-time, significantly improving detection accuracy over traditional systems.The second paper presents a real-time threat assessment framework for truck cargos carrying dangerous goods, specifically focusing on the prevention of terrorist attacks using truck-bombs against neighboring CIs. A novel algorithm is proposed that uses Voronoi tessellation to evaluate threat levels based on cargo proximity and potential for multi-infrastructure attacks. The system’s real-time assessment capabilities enhance CI protection by reducing threat notification times by over 86%, computational time by 74%, and associated surveillance costs.The third publication focuses on defending CIs from GPS-denied, bomb-carrying kamikaze drones. It introduces an interception framework utilizing two defensive drones equipped with net-guns and electromagnetic pulse (EMP) weapons. The drones operate using a real-world trajectory estimation model, which predicts interception points for both the kamikaze drone and its bomb payload. Experimental results demonstrate the system's effectiveness, reducing neutralization times by over 6.89% compared to state-of-the-art methods. Finally, the fourth paper tackles the emerging threat of tiny autonomous malicious drones in indoor CI environments. A novel detection system is proposed, employing harmonic radar-equipped mini-drones to scan indoor spaces and detect non-linear behaviors associated with tiny drones. The system's innovative scanning algorithm creates 3D location maps and identifies changes in drone positions, offering a cost-effective and time-efficient solution for indoor CI protection.The contributions of this thesis are multifaceted, presenting new methodologies and algorithms for detecting and neutralizing a wide range of cyber-physical threats to CIs. By combining advanced AI techniques, real-time sensor fusion, and interception strategies, this research significantly advances the state-of-the-art in CI protection. The proposed frameworks and systems have been rigorously tested through simulations and real-world scenarios, demonstrating their potential for practical deployment in safeguarding critical infrastructures from both physical and cyber-physical threats.

Οι κρίσιμες υποδομές είναι ουσιώδεις για τη σύγχρονη κοινωνία, καλύπτοντας τομείς όπως η ενέργεια, οι μεταφορές και οι επικοινωνίες. Καθώς αυτές οι υποδομές βασίζονται ολοένα και περισσότερο σε διασυνδεδεμένα κυβερνο-φυσικά συστήματα, αντιμετωπίζουν έναν συνεχώς αυξανόμενο αριθμό απειλών από κυβερνοεπιθέσεις και φυσικό σαμποτάζ. Η παρούσα διδακτορική διατριβή, με τίτλο «Ευφυείς Προσεγγίσεις για την Αντιμετώπιση Κυβερνο-Φυσικών Απειλών σε Κρίσιμες Υποδομές», εστιάζει στην επείγουσα ανάγκη για προηγμένα, ευφυή πλαίσια ικανά να ανιχνεύουν, να μετριάζουν και να εξουδετερώνουν κυβερνο-φυσικές απειλές. Η έρευνα καλύπτει πολλαπλούς τομείς ασφάλειας των κρίσιμων υποδομών, ενσωματώνοντας τεχνολογίες αιχμής, όπως η τεχνητή νοημοσύνη, η συγχώνευση δεδομένων από πολλαπλούς αισθητήρες και τα συστήματα αναχαίτισης drones. Η διατριβή βασίζεται σε τέσσερις δημοσιευμένες εργασίες, καθεμία από τις οποίες αντιμετωπίζει μια μοναδική πτυχή της ασφάλειας των κρίσιμων υποδομών. Η πρώτη εργασία προτείνει μια καινοτόμο αρχιτεκτονική ελέγχου ασφαλείας για την ανίχνευση παράνομων αγαθών στις ταχυδρομικές υπηρεσίες και σε άλλα περιβάλλοντα κρίσιμων υποδομών. Μέσω της ενσωμάτωσης διαφόρων αισθητήρων (π.χ., τεραχέρτζ, ακτίνων Χ, χημικών και βιολογικών ανιχνευτών) και της συγχώνευσης των δεδομένων τους με τη χρήση τεχνητής νοημοσύνης, η προτεινόμενη αρχιτεκτονική δημιουργεί ένα ολοκληρωμένο πλαίσιο για την ταυτοποίηση παράνομων αγαθών σε πραγματικό χρόνο, βελτιώνοντας σημαντικά την ακρίβεια ανίχνευσης σε σχέση με τα παραδοσιακά συστήματα. Η δεύτερη εργασία παρουσιάζει ένα πλαίσιο αξιολόγησης απειλών σε πραγματικό χρόνο για φορτηγά που μεταφέρουν επικίνδυνα αγαθά, με κύρια εστίαση στην πρόληψη τρομοκρατικών επιθέσεων μέσω φορτηγών-βομβών εναντίον γειτονικών κρίσιμων υποδομών. Προτείνεται ένας καινοτόμος αλγόριθμος που χρησιμοποιεί διαγράμματα Voronoi για την εκτίμηση των επιπέδων απειλής, βασιζόμενος στην εγγύτητα των φορτίων και στο δυναμικό για επιθέσεις σε πολλαπλές υποδομές. Οι δυνατότητες αξιολόγησης σε πραγματικό χρόνο του συστήματος ενισχύουν την προστασία των κρίσιμων υποδομών, μειώνοντας τους χρόνους ειδοποίησης απειλών κατά 86%, τον υπολογιστικό χρόνο κατά 74%, καθώς και το σχετικό κόστος επιτήρησης. Η τρίτη δημοσίευση επικεντρώνεται στην άμυνα των κρίσιμων υποδομών έναντι drones καμικάζι που φέρουν βόμβες και λειτουργούν σε περιβάλλοντα χωρίς GPS. Παρουσιάζεται ένα πλαίσιο αναχαίτισης που χρησιμοποιεί δύο αμυντικά drones, εξοπλισμένα με κανόνια-δίχτυ και όπλα ηλεκτρομαγνητικού παλμού (EMP). Τα drones αυτά λειτουργούν με βάση ένα ρεαλιστικό μοντέλο εκτίμησης τροχιάς, το οποίο προβλέπει τα σημεία αναχαίτισης τόσο για το εχθρικό drone όσο και για το εκρηκτικό φορτίο του. Τα πειραματικά αποτελέσματα καταδεικνύουν την αποτελεσματικότητα του συστήματος, μειώνοντας τους χρόνους εξουδετέρωσης κατά 6,89% σε σύγκριση με τις πλέον προηγμένες μεθόδους.Τέλος, η τέταρτη εργασία αντιμετωπίζει την αναδυόμενη απειλή των μικροσκοπικών, αυτόνομων, κακόβουλων drones σε εσωτερικούς χώρους κρίσιμων υποδομών. Προτείνεται ένα καινοτόμο σύστημα ανίχνευσης, το οποίο χρησιμοποιεί μικρά drones εξοπλισμένα με αρμονικό ραντάρ, για να σαρώνουν εσωτερικούς χώρους και να εντοπίζουν μη γραμμικές συμπεριφορές που συνδέονται με μικροσκοπικά drones. Ο καινοτόμος αλγόριθμος σάρωσης δημιουργεί τρισδιάστατους χάρτες θέσης και εντοπίζει αλλαγές στις θέσεις των drones, παρέχοντας μια οικονομικά αποδοτική και χρονικά αποτελεσματική λύση για την προστασία εσωτερικών κρίσιμων υποδομών.Οι συνεισφορές αυτής της διατριβής είναι πολυδιάστατες, παρουσιάζοντας νέες μεθοδολογίες και αλγορίθμους για την ανίχνευση και εξουδετέρωση ενός ευρέος φάσματος κυβερνο-φυσικών απειλών. Συνδυάζοντας προηγμένες τεχνικές τεχνητής νοημοσύνης, συγχώνευση δεδομένων αισθητήρων σε πραγματικό χρόνο και στρατηγικές αναχαίτισης, η παρούσα έρευνα προωθεί σημαντικά την τεχνογνωσία στον τομέα της προστασίας κρίσιμων υποδομών. Τα προτεινόμενα πλαίσια και συστήματα έχουν δοκιμαστεί διεξοδικά μέσω προσομοιώσεων και πραγματικών σεναρίων, αποδεικνύοντας την προοπτική πρακτικής τους εφαρμογής για τη διασφάλιση κρίσιμων υποδομών από φυσικές και κυβερνο-φυσικές απειλές.