A Framework for Dataset Generation, Anomaly Detection and Cybersecurity in Industrial Cyber-Physical Systems

Abstract

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.