文献类型：期刊文章

作　　者：李熠[1] 李永忠[1]

Li Yi;Li Yongzhong(School of Computer,Jiangsu University of Science and Technology,Zhenjiang 212003,China)

机构地区：[1]江苏科技大学计算机学院

出　　处：《南京理工大学学报》

年　　份：2019

卷　　号：43

期　　号：4

起止页码：408-413

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对目前未知工业控制网络攻击检测方法处于初级阶段,浅层次的选取特征分类导致检测率较低的问题,提出一种稀疏自编码-极限学习机入侵检测模型。该文所提算法通过深度学习的稀疏自编码器在训练时结合编码层的系数惩罚和重构误差对高维数据进行特征提取,再运用极限学习机对提取的特征进行快速有效地精准分类,使用工控入侵检测标准数据集对算法准确性进行了验证,通过和不同类型的入侵检测模型进行比较。结果表明:该文方法可以有效提升入侵检测系统性能,符合工业控制入侵检测“高精度、低误报”的要求。

关 键 词：工控网络 入侵检测 自编码器  极限学习机

分 类 号：TP309]