重庆理工大学学报2023，Vol.37Issue(13) ：208-216.DOI:10.3969/j.issn.1674-8425(z).2023.07.024

面向工业控制网络的入侵检测方法研究

Research on intrusion detection methods for industrial control network

宗学军 郭鑫 何戡 连莲
重庆理工大学学报2023，Vol.37Issue(13) ：208-216.DOI:10.3969/j.issn.1674-8425(z).2023.07.024
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

面向工业控制网络的入侵检测方法研究

Research on intrusion detection methods for industrial control network

宗学军 1郭鑫 1何戡 1连莲1
扫码查看

作者信息

  • 1. 沈阳化工大学信息工程学院,沈阳 110142;辽宁省石油化工行业信息安全重点实验室,沈阳 110142
  • 折叠

摘要

针对目前工控网络环境存在的数据种类分布不均衡,维度较高等问题,采用生成式对抗网络(ACGAN)数据增强方法对数据集进行数据增强,并采用卷积神经网络(CNN)与极限学习机(ELM)混合模型对数据集进行特征提取和分类.通过NSL-KDD数据集进行仿真实验,该混合模型的准确率达到99.26%,漏报率低于0.625%,均优于传统的机器学习算法.同时采用密西西比州立大学天然气管道数据集进行实验仿真,准确率达到 99.18%,漏报率低于0.621%.该模型在复杂的工控环境下同样适用,拓宽了工业入侵检测的研究思路.

关键词

工控网络/生成式对抗网络/卷积神经网络/极限学习机/入侵检测

Key words

industrial control network/generative adversarial network/convolutional neural network/extreme learning machine/intrusion detection

引用本文复制引用

基金项目

辽宁省"兴辽英才计划"项目(XLYC2002085)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量9
段落导航相关论文