首页|面向工业控制网络的入侵检测方法研究

面向工业控制网络的入侵检测方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
Research on intrusion detection methods for industrial control network

industrial control networkgenerative adversarial networkconvolutional neural networkextreme learning machineintrusion detection

宗学军、郭鑫、何戡、连莲

展开 >

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

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

辽宁省"兴辽英才计划"项目

XLYC2002085

2023

10.3969/j.issn.1674-8425(z).2023.07.024

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
年,卷(期)：2023.37(13)
  • 9