Refine
Document Type
Institute
BTU
Die zunehmende Digitalisierung auch in Kraftwerken erfordert entsprechend auf diesen Bereich zugeschnittene IT-Sicherheitsverfahren und -technologien. Aktuell stellt die obligatorische Implementierung eines angemessenen Sicherheitsprozesses, wie eines Informationssicherheitsmanagementsystems (ISMS), Betreiber von Erzeugungsanlagen, Energienetzen und anderen kritischen Infrastrukturen vor eine große Herausforderung, denn es gilt, zahlreiche Anforderungen bei der Implementierung zu erfüllen, ohne dass konkrete Methoden zur Umsetzung verfügbar sind. Gleichzeitig ist derEinsatz von IT-Sicherheitstechnologien aus der Bürowelt aufgrund gänzlich anderer Eigenschaften und Anforderungen industrieller Netze kaum möglich. Zur Adressierung dieser Problematik wurden von der Brandenburgischen Technischen Universität Cottbus-Senftenberg (BTU) und der Lausitz Energie Kraftwerke AG (LEAG) innovative Verfahren zur (1) systematischen Bewertung sowie (2) Verbesserung der IT-Sicherheit in hochsensiblen Netzen konzipiert und prototypisch implementiert, die
ein diesem Beitrag mit den zugehörigen Forschungsprojekten vorgestellt werden. Um eine Beeinflussung empfindlicher Kraftwerksanlagen auszuschließen, wurde für alle Methoden ein nichtintrusiver Entwicklungsansatz verfolgt, der sich durch eine passive und vom jeweiligen industriellen Prozess vollständig entkoppelte Analyse auszeichnet und sich daher für einen breiten Einsatz in Netzen mit hohen Verfügbarkeitsanforderungen eignet.
Attack detection in enterprise networks is increasingly faced with large data volumes, in part high data bursts, and heavily fluctuating data flows that often cause arbitrary discarding of data packets in overload situations which can be used by attackers to hide attack activities. Attack detection systems usually configure a comprehensive set of signatures for known vulnerabilities in different operating systems, protocols, and applications. Many of these signatures, however, are not relevant in each context, since certain vulnerabilities have already been eliminated, or the vulnerable applications or operating system versions, respectively, are not installed on the involved systems. In this paper, we present an approach for clustering data flows to assign them to dedicated analysis units that contain only signature sets relevant for the analysis of these flows. We discuss the performance of this clustering and show how it can be used in practice to improve the efficiency of an analysis pipeline.