基于特征优化与SVPSO的工控入侵检测

• 作者: 张瑞 陈红卫
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 工业控制系统 入侵检测 核主成分分析 Fisher分值 粒子群优化算法 支持向量机
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 热点与综述
• 页码范围: 19-25
• 页数: 7页
• 分类号: TP309
• 字数: 5796字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054989

摘要

在工业控制系统(工控)与互联网技术深度融合的背景下,有效检测系统是否受到入侵威胁成为保障工控安全的关键.根据工控网络数据高维性和非线性的特点,应用Fisher分值和核主成分分析法对网络数据进行预处理,针对支持向量机参数寻优过程中标准粒子群优化算法易陷入局部最优的问题,提出基于自适应变异的粒子群优化算法SVPSO,进而构建系统入侵检测模型.在标准数据集上的仿真结果表明,与BP神经网络、K最近邻、随机森林和朴素贝叶斯算法相比,基于SVPSO算法构建的检测模型性能较优,检测精度达到98.75％,而误报率仅为1.22％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红卫	江苏科技大学电子信息学院	48	289	10.0	14.0
2	张瑞	江苏科技大学电子信息学院	4	15	1.0	3.0