计算机研究与发展

作者：任家东,张亚飞,张炳,李尚洋,

关键词：工业互联网, 入侵检测, 皮尔逊相关系数, 机器学习, 深度学习,

由于工业互联网接入设备的多样性和差异性，使其维护困难且易受攻击，针对该安全问题需要引入相关的防御系统来识别各种入侵攻击.传统的入侵检测系统能够检测到的攻击类型较少，且网络流量数据由于存在冗余导致无关特征使得分类性能较差.因此，提出一种基于特征选择的工业互联网入侵检测分类方法.该方法首先对数据集进行预处理，并通过计算特征的皮尔逊相关系数来判断特征的强弱关系，确定最优的阈值进行特征提取；之后从机器学习和深度学习2个角度，利用逻辑回归、支持向量机、K近邻、决策树、随机森林、多层感知机、卷积神经网络和时空网络8种模型分别进行二分类和多分类实验，并作评估.实验结果表明，随机森林的二分类效果最佳，决策树的多分类效果最佳.最后在真实工业互联网实践中验证了所提方法的有效性.

来源：2022年第5期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2022年第5期