融合PCA和PSO-SVM方法在工控入侵检测中的应用

• 作者: 杨智慧 王华忠 陈冬青 颜秉勇
• 来源期刊: 科技通报
• 学科: 工学
• 关键词: 工业控制系统 入侵检测 PCA 粒子群算法 支持向量机
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 工业技术
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP309
• 字数: 4609字
• 语种: 中文
• DOI: 10.13774/j.cnki.kjtb.2017.01.017

摘要

有效防御病毒对工控系统的入侵是目前工控安全研究的难点问题.为了提高工控系统入侵检测的准确率,本文设计提出了一种主成分分析(PCA)与PSO-SVM相结合的工控入侵检测方法.针对工业控制系统网络数据高维的特性,该方法利用PCA对采集的网络入侵数据进行数据降维与特征提取,支持向量机(SVM)入侵检测的性能主要取决于核函数参数取值的优劣,采用粒子群算法(PSO)对支持向量机参数进行优化,以获得最优的SVM工业控制系统入侵检测模型.采用密西西比州立大学关键基础设施保护中心最新提出的工控标准数据集进行仿真实验,结果表明该算法在攻击检测与攻击类型识别方面均有较高的查准率,提高了工业控制系统的安全性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华忠	华东理工大学化工过程先进控制和优化技术教育部重点实验室	50	886	15.0	29.0
2	陈冬青		6	93	5.0	6.0
3	杨智慧	华东理工大学化工过程先进控制和优化技术教育部重点实验室	2	32	2.0	2.0
4	颜秉勇	华东理工大学化工过程先进控制和优化技术教育部重点实验室	18	64	4.0	7.0