声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：石乐义,朱红强,刘祎豪,刘佳,
关键词：工业控制系统, 入侵检测, 相关信息熵, 卷积-双向长短期记忆网络, 多头注意力机制,
入侵检测技术旨在有效地检测网络中异常的攻击，对网络安全至关重要.针对传统的入侵检测方法难以从工业控制系统通信数据中提取有效数据特征的问题，提出一种基于相关信息熵和CNN-BiLSTM的入侵检测模型，该模型将基于相关信息熵的特征选择和融合的深度学习算法相结合，因此能够有效去除噪声冗余，减少计算量，提高检测精度.首先针对不平衡样本等问题进行相应预处理，并通过基于相关信息熵的算法进行特征选择，达到去除噪声数据和冗余特征的目的；然后分别运用卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)从时间和空间维度提取数据特征，通过多头注意力机制进行特征融合，进而得出最终检测结果；最后通过单一变量原则和交叉验证方式获得最优的模型.通过与其他传统入侵检测方法实验对比得出：该模型具有更高的准确率(99.21%)和较低的漏报率(0.77%).
来源：2019年第11期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。