面向工業(yè)控制網(wǎng)絡的入侵檢測方法研究

摘要： 針對目前工控網(wǎng)絡環(huán)境存在的數(shù)據(jù)種類分布不均衡，維度較高等問題，采用生成式對抗網(wǎng)絡(ACGAN)數(shù)據(jù)增強方法對數(shù)據(jù)集進行數(shù)據(jù)增強，并采用卷積神經網(wǎng)絡(CNN)與極限學習機(ELM)混合模型對數(shù)據(jù)集進行特征提取和分類。通過NSL-KDD數(shù)據(jù)集進行仿真實驗，該混合模型的準確率達到99.26%,漏報率低于0.625%,均優(yōu)于傳統(tǒng)的機器學習算法。同時采用密西西比州立大學天然氣管道數(shù)據(jù)集進...