基于证据推理与故障树分析的船舶AIS欺骗攻击风险预测建模研究

　　本文提出一种融合证据推理（ER）增强的人为差错评估与减损技术（HEART）与故障树分析（FTA）的集成风险模型，系统量化船舶自动识别系统（AIS）欺骗攻击中人为失误与系统漏洞的耦合风险。研究揭示船舶AIS欺骗攻击发生概率高达5.502E-01，为海事网络安全防护提供了兼具主观判断与客观证据的量化评估框架。

　　

Section snippets

Methodology

本节简要介绍本文所用方法的理论基础。

Quantitive risk predication of AIS spoofing attack for on-board ship

本部分展示如何应用提出的集成风险模型评估船上AIS欺骗攻击风险。

Finding and discussion

分析结果表明，四项具有最高人为差错概率（HEP）的关键任务暴露出AIS系统的致命弱点：网络设备配置错误、异常检测功能缺失以及不安全协议的使用。针对这些弱点的修复需综合技术对策、程序控制和针对性船员培训。例如对于监控开放或配置不当网络端口（BE 1.1.2.2）的任务，需强化实时监控机制并部署自动化告警系统。

Conclusion

研究通过ER增强的HEART技术结合FTA模型，识别出导致AIS欺骗漏洞的四大高失误率任务：错误处理开放端口、防火墙及入侵检测系统（IDS/IPS）配置缺陷、系统日志文件监控不足以及使用未加密通信协议。这些任务构成船舶网络安全链中的关键控制节点，其优化将显著提升对AIS欺骗攻击的抵御能力。