Industrial Cyber-Physical Systems (CPS), characterized by high connectivity and
computational intelligence capabilities, constitute a fundamental component of
Industry 4.0 by integrating physical processes and digital systems. Although this
integration provides significant benefits, it also increases operational complexity
and cybersecurity risks.
This doctoral thesis develops and validates a unified framework for the generation
of datasets in industrial CPS aimed at anomaly detection and industrial
cybersecurity. To this end, a methodology is proposed that combines a hybrid and
flexible experimental testbed based on real industrial technologies and digital
twins, controlled fault and cyberattack injection, and the generation of hybrid
ground truth through experimental planning.
Los sistemas ciberfísicos industriales (Cyber-Physical Systems, CPS),
caracterizados por una elevada conectividad y capacidades de inteligencia
computacional, constituyen un elemento fundamental de la Industria 4.0 al integrar
procesos físicos y sistemas digitales. Aunque esta integración aporta importantes
beneficios también incrementa la complejidad operativa y los riesgos de
ciberseguridad.
Esta tesis doctoral desarrolla y valida un marco de trabajo unificado para la
generación de datasets en CPS industriales orientados a la detección de anomalías
y la ciberseguridad industrial. Para ello, se propone una metodología que combina
un banco de pruebas experimental híbrido y flexible basado en tecnologías
industriales reales y gemelos digitales, la inyección controlada de fallos y
ciberataques, y la generación de ground truth híbrido mediante planificación
experimental.
Los resultados demuestran la capacidad del marco propuesto para generar
datasets industriales con ground truth fiable, proporcionando una base
experimental para futuras investigaciones en detección de anomalías y
ciberseguridad industrial.
