首页|基于特征提取的工业控制系统入侵检测研究

基于特征提取的工业控制系统入侵检测研究

Intrusion detection of industrial control system based on ADASYN-PSO-DBN feature extraction

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决工业控制系统网络环境中不同类型网络流量的不平衡性、网络数据的高维性、非线性等问题,采用自适应合成采样(adaptive synthetic sampling,ADASYN)技术以克服工控入侵检测系统中普遍存在的类不平衡问题;用随机森林(random forest,RF)算法对工控网络入侵特征进行提取,递归特征消除(recursive feature elimination,RFE)方法用于选择影响工控网络入侵检测性能的主要特征;利用粒子群算法(particle swarm optimization,PSO)优化DBN的隐含层节点数,得到最优的DBN结构,构成基于深度信念网络(deep belief network,DBN)的分类模型,将其实践在工控入侵检测标准数据集.实验结果表明,该模型显著提升了工控入侵检测的性能.

倪旻、曲金帅、范菁、刘译文、李鸿、邱阳

展开 >

云南民族大学电气信息工程学院,云南昆明650504

云南民族大学云南省高校信息与通信安全灾备重点实验室,云南昆明650504

云南民族大学云南省高校无线传感器网络重点实验室,云南昆明650504

云南民族大学社会学院,云南昆明650504

展开 >

工控入侵检测 自适应合成采样 深度信念网络 特征提取 全局寻优

国家自然科学基金云南省应用基础研究计划项目

615400632018FD055

2021

10.3969/j.issn.1672-8513.2021.06.013

云南民族大学学报(自然科学版)
云南民族大学

云南民族大学学报(自然科学版)

CSTPCD
影响因子：0.381
ISSN：1672-8513
年,卷(期)：2021.30(6)
  • 2
  • 3