Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Model-based security system for data acquisition in e-maintenance using artificial immune system and cloud computing
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-1967-6604
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-0055-2740
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-7474-2723
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.
2012 (Engelska)Ingår i: International Journal of COMADEM, ISSN 1363-7681, Vol. 15, nr 4, s. 26-37Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

eMaintenance solutions are extensively used by the industry today. eMaintenance is an emerging technology aimed to support the industry to achieve effectiveness and efficiency in their maintenance process through enhanced use of Information and Communication Technology (ICT) . One of the essential components is an eMaintenance solution is data acquisition. Supervisory Control and Data Acquisition (SCADA) has been used to manage data acquisition is many industrial systems. Nowadays, modern SCADA systems are available through internet and other networks via IP protocol. An increased use of internet–based solution requires appropriate management approaches to improve the safety and security aspects of a system. Hence, this paper suggests a new security model based security for SCADA systems through Cloud computing and Artificial Immune System (AIS). Furthermore, the paper provides AIS, which is based on Decision Tree (C4.5 algorithm) using clustered feature set. The features set are selected from NSL-KDD cup. It is a new version of KDD dataset. As a result, two Antibodies are generated (that could recognize Normal and Antigen). After applying the resulted antibodies on the testing data set, the outputs are Normal, Antigen, and Unknown. Finally it is treated with Unknown as Antigen. As a result, high accuracy of the suggested model reaches 96.3%.

Ort, förlag, år, upplaga, sidor
2012. Vol. 15, nr 4, s. 26-37
Nationell ämneskategori
Annan samhällsbyggnadsteknik
Forskningsämne
Drift och underhållsteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-13106Lokalt ID: c485c305-e4c3-4cbe-acd0-5ee4aefb318bOAI: oai:DiVA.org:ltu-13106DiVA, id: diva2:986057
Anmärkning

Validerad; 2013; 20130119 (yamald)

Tillgänglig från: 2016-09-29 Skapad: 2016-09-29 Senast uppdaterad: 2018-05-07Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Personposter BETA

Al-Douri, Yamur K.Karim, RaminParida, AdityaKumar, Uday

Sök vidare i DiVA

Av författaren/redaktören
Al-Douri, Yamur K.Karim, RaminParida, AdityaKumar, Uday
Av organisationen
Drift, underhåll och akustik
I samma tidskrift
International Journal of COMADEM
Annan samhällsbyggnadsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 314 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf