تشهد أنظمة الكشف عن التسلل (Intrusion Detection Systems - IDS) المعتمدة على التعلم الآلي تقدمًا كبيرًا في تأمين بيئات الإنترنت الصناعي للأشياء (Industrial Internet of Things - IIoT). ومع ذلك، فإن الهجمات الأخيرة تكشف عن ثغرات جديدة قد تهدد هذه الأنظمة الحيوية.

معظم الأبحاث حول الهجمات على أنظمة IDS تركز على تعديل متجهات الخصائص أو حركة المرور المرتبطة بها. لكن من خلال استغلال عدم التزامن الزمني في عملية مراقبة البيانات، قام الباحثون بتقديم مفهوم جديد يسمى هجوم الحالة الشبحية (Phantom State Attack - PSA).

ما يميز هذا الهجوم هو أنه لا يعدل حزم البيانات بشكل مباشر ولا يحتاج إلى استعلام النظام للكشف عن التهديدات. بل يعتمد على إدخال انحراف زمن محدد، مما يجعل الملاحظات تنتقل عبر حدود النوافذ الزمنية، مما يؤدي إلى إعادة بناء حالة مزيفة من البيانات.

أجرى الباحثون تقييمًا لهجمات الحالة الشبحية على مجموعات بيانات مشهورة مثل ToN-IoT وCIC IIoT 2025 (DataSense)، باستخدام نماذج مثل Random Forest وMLP وXGBoost. أظهرت النتائج أن PSA قللت من قدرة الأنظمة على الكشف عن الحركات الخبيثة دون الحاجة إلى استعلامات مكلفة.

هذه النتائج تثير تساؤلات حول كيفية حماية أنظمة الإنترنت الصناعي للأشياء من هذه الأشكال الجديدة من الهجمات، وتسلط الضوء على أهمية التفكير في الزمان كعامل أساسي في الأمن السيبراني.