文献类型：期刊文章

作　　者：闫腾飞[1,2,3] 尚文利[2,3,4] 赵剑明[2,3,4] 乔枫[1] 曾鹏[2,3,4]

Yan Tengfei;Shang Wenli;Zhao Jianming;Qiao Feng;Zeng Peng(Faculty of Information&Control Engineering,Shenyang Jianzhu University,Shenyang 110168,China;Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;Key Laboratory of Networked Control Systems,Chinese Academy of Sciences,Shenyang 110016,China;University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]沈阳建筑大学信息与控制工程学院,沈阳110168 [2]中国科学院沈阳自动化研究所,沈阳110016 [3]中国科学院网络化控制系统重点实验室,沈阳110016 [4]中国科学院大学,北京100049

出　　处：《计算机应用研究》

基　　金：国家重点研发计划项目(2018YFB2004200);中科院战略性先导科技专项项目(XDC02020200);国家自然科学基金面上项目(61773368);预研基金资助项目(614024201011 6Zk63001)

年　　份：2019

卷　　号：36

期　　号：11

起止页码：3361-3364

语　　种：中文

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

摘　　要：针对Modbus工业总线协议的特殊性及工控数据样本的不均衡性,利用单类支持向量机(OCSVM)分别构建正常OCSVM模型和异常OCSVM模型,即双轮廓模态来模拟系统通信的正常模式和异常模式,从而实现工控系统异常检测。同时将遗传算法优化自变量降维应用于工控网络入侵检测场景,实现对输入自变量的降维压缩处理,防止OCSVM模型出现过拟合现象及分类准确率低的问题,提高异常检测的精度,缩减建模时间。通过仿真验证了该算法对工控网络异常检测的有效性。

关 键 词：工业控制系统  异常检测 遗传算法 单类支持向量机 双轮廓模态  

分 类 号：TP301.6]