首頁 > 期刊 > 自然科學與工程技術 > 信息科技 > 電子信息科學綜合 > 計算機研究與發(fā)展 > 基于相關信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測 【正文】
基于相關信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測
石樂義; 朱紅強; 劉祎豪; 劉佳 中國石油大學(華東)計算機科學與技術學院; 山東青島266580
- 工業(yè)控制系統(tǒng)
- 入侵檢測
- 相關信息熵
- 卷積雙向長短期記憶網(wǎng)絡
- 多頭注意力機制
摘要：入侵檢測技術旨在有效地檢測網(wǎng)絡中異常的攻擊,對網(wǎng)絡安全至關重要.針對傳統(tǒng)的入侵檢測方法難以從工業(yè)控制系統(tǒng)通信數(shù)據(jù)中提取有效數(shù)據(jù)特征的問題,提出一種基于相關信息熵和CNN-BiLSTM的入侵檢測模型,該模型將基于相關信息熵的特征選擇和融合的深度學習算法相結合,因此能夠有效去除噪聲冗余,減少計算量,提高檢測精度.首先針對不平衡樣本等問題進行相應預處理,并通過基于相關信息熵的算法進行特征選擇,達到去除噪聲數(shù)據(jù)和冗余特征的目的;然后分別運用卷積神經(jīng)網(wǎng)絡(CNN)和雙向長短期記憶神經(jīng)網(wǎng)絡(BiLSTM)從時間和空間維度提取數(shù)據(jù)特征,通過多頭注意力機制進行特征融合,進而得出最終檢測結果;最后通過單一變量原則和交叉驗證方式獲得最優(yōu)的模型.通過與其他傳統(tǒng)入侵檢測方法實驗對比得出:該模型具有更高的準確率(99.21%)和較低的漏報率(0.77%).
- 工業(yè)控制系統(tǒng)
- 入侵檢測
- 相關信息熵
- 卷積雙向長短期記憶網(wǎng)絡
- 多頭注意力機制
摘要：入侵檢測技術旨在有效地檢測網(wǎng)絡中異常的攻擊,對網(wǎng)絡安全至關重要.針對傳統(tǒng)的入侵檢測方法難以從工業(yè)控制系統(tǒng)通信數(shù)據(jù)中提取有效數(shù)據(jù)特征的問題,提出一種基于相關信息熵和CNN-BiLSTM的入侵檢測模型,該模型將基于相關信息熵的特征選擇和融合的深度學習算法相結合,因此能夠有效去除噪聲冗余,減少計算量,提高檢測精度.首先針對不平衡樣本等問題進行相應預處理,并通過基于相關信息熵的算法進行特征選擇,達到去除噪聲數(shù)據(jù)和冗余特征的目的;然后分別運用卷積神經(jīng)網(wǎng)絡(CNN)和雙向長短期記憶神經(jīng)網(wǎng)絡(BiLSTM)從時間和空間維度提取數(shù)據(jù)特征,通過多頭注意力機制進行特征融合,進而得出最終檢測結果;最后通過單一變量原則和交叉驗證方式獲得最優(yōu)的模型.通過與其他傳統(tǒng)入侵檢測方法實驗對比得出:該模型具有更高的準確率(99.21%)和較低的漏報率(0.77%).
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
我們提供的服務
在線客服
一對一咨詢服務、簡單快捷、省時省力
了解更多 >
快遞配送
直郵到家、實時跟蹤、更安全更省心
了解更多 >
雜志訂閱
去除中間環(huán)節(jié)享受低價，物流進度實時通知
了解更多 >
雜志推薦
正版雜志，匹配度高、性價比高、成功率高
了解更多 >