-
题名基于特征增强和优化SVM的工控入侵检测
被引量:5
- 1
-
-
作者
黄一鸣
赵国新
魏战红
刘昱
-
机构
北京石油化工学院信息工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第12期3373-3379,共7页
-
基金
国家自然科学基金青年基金项目(51405023)
北京市教委科研科技计划一般基金项目(KM201810017006)。
-
文摘
针对工控入侵检测系统数据质量低、模型优化差等问题,提出一种基于特征增强和优化支持向量机(LMDRT-AWPRPSO-SVM)的工控入侵检测方法,从数据和模型两方面进行改进。数据方面,针对工控系统缺乏高质量数据,通过对数边际密度比变换(LMDRT)生成新的数据特征,提高数据的质量;模型方面,为解决SVM参数优化过程中易陷入局部极小等问题,采用种群聚集度指导权重自适应变化和粒子重构策略改进粒子群算法(AWPRPSO),增强优化算法搜索能力。使用工控标准数据集进行实验,其结果表明,该方法提高了数据的质量,优化了SVM模型性能,构建的检测模型在检测精度与训练时间方面均有改善。
-
关键词
工控系统入侵检测
对数边际密度比变换
支持向量机
粒子群算法
种群聚集度
粒子重构策略
-
Keywords
industrial control system intrusion detection
logarithmic marginal density ratio transformation
support vector machine
particle swarm optimization algorithm
population aggregation degree
particle reconstruction strategy
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-