文献类型：期刊文章

作　　者：王清华[1] 易大勇[2] 李丽[3]

机构地区：[1]北京中油瑞飞信息技术有限责任公司网络安全运行中心,北京100007 [2]清华大学软件学院,北京100086 [3]国家企业信息化应用支撑软件工程技术研究中心,北京100084

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(20181301536)

年　　份：2020

卷　　号：37

期　　号：S02

起止页码：253-255

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：工业控制数据之间由于存在高阶复杂关联,难以进行异常信息检测。针对工业控制系统协议繁多,控制数据复杂且冗余度高等问题,提出了基于超图学习的工控数据异常检测模型。通过提取工业控制数据中的流量特征数据,降低数据空间冗余度,提高检测效率,并应用超图结构构建高效的数据特征空间,在此基础上,建立工控数据之间的复杂关联关系,通过超图学习,挖掘工控数据中存在的异常信息。通过实验表明,该方法能够高效准确地对工控数据中的异常数据进行检测,并且比最新的异常检测方法具有更好的性能。

关 键 词：异常检测 超图学习  工控安全  特征数据 复杂关联  

分 类 号：TP273]