首页|融合自编码降维的改进DNN水利工控网入侵检测算法

融合自编码降维的改进DNN水利工控网入侵检测算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决工控网异常入侵、水利泵站通信网安全防护的问题.论文提出一种基于深度神经网络的水利泵站工控网入侵数据的检测算法.首先针对泵站工控网内的数据进行预处理,通过自编码算法对数据进行特征提取、降维处理;利用深度神经网络模型结合受限玻尔兹曼机对各类数据进行训练,采用Adadelta算法进行网络模型的参数优化,并由Softmax分类器对工控网数据进行是否合法判别.实验数据集由底层设备实地采集到的水利泵站工控网内流动数据导入到本地数据库.实验结果表明:该方法的准确率对比深度神经网络未改进前的算法提高了3.76％,检测率提高了6.32％,漏报率降低0.5％,从而验证了论文方法的有效性.
Improved DNN Intrusion Control Algorithm for Water Conservancy Industrial Control Network Combined with Self-encoding and Dimensionality Reduction

刘庆华、赵雪寒

展开 >

江苏科技大学电子信息学院 镇江 212001

水利泵站 通信安全 深度神经网络 Adadelta算法 Softmax分类器

国家自然科学基金江苏省六大高峰人才项目江苏省研究生科研创新项目

51008143XYDXX-117SJKY19_2641

2021

10.3969/j.issn.1672-9722.2021.11.022

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(11)
  • 1
  • 10