基于遗传算法优化的OCSVM双轮廓模型异常检测算法 | |
闫腾飞2,3,4; 尚文利3,4,5; 赵剑明3,4,5; 乔枫2; 曾鹏3,4,5; 闫腾飞1,6,7; 尚文利1,7,8; 赵剑明1,7,8; 乔枫6; 曾鹏1,7,8 | |
刊名 | 计算机应用研究 |
2019 | |
卷号 | 36期号:11页码:3361-3364 |
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 |
ISSN号 | 1001-3695 |
其他题名 | Anomaly detection algorithm based on OCSVM double contour model of genetic algorithm optimization for industrial control system |
产权排序 | 1 |
英文摘要 | 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,模拟系统通信的正常模式和异常模式,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,并通过仿真验证了提出算法对工控网络异常检测的有效性。 |
语种 | 中文 |
CSCD记录号 | CSCD:6616487 |
资助机构 | 国家自然科学基金面上项目(61773368) ; 预研基金资助项目(6140242010116Zk63001) |
内容类型 | 期刊论文 |
源URL | [http://119.78.100.139/handle/173321/22384] |
专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
通讯作者 | 尚文利; 尚文利 |
作者单位 | 1.中国科学院沈阳自动化研究所 2.沈阳建筑大学信息与控制工程学院 3.中国科学院沈阳自动化研究所 4.中科院网络化控制系统重点实验室 5.中国科学院大学 6.沈阳建筑大学信息与控制工程学院 7.中科院网络化控制系统重点实验室 8.中国科学院大学 |
推荐引用方式 GB/T 7714 | 闫腾飞,尚文利,赵剑明,等. 基于遗传算法优化的OCSVM双轮廓模型异常检测算法[J]. 计算机应用研究,2019,36(11):3361-3364. |
APA | 闫腾飞.,尚文利.,赵剑明.,乔枫.,曾鹏.,...&曾鹏.(2019).基于遗传算法优化的OCSVM双轮廓模型异常检测算法.计算机应用研究,36(11),3361-3364. |
MLA | 闫腾飞,et al."基于遗传算法优化的OCSVM双轮廓模型异常检测算法".计算机应用研究 36.11(2019):3361-3364. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论