基于改进的OCSVM算法的工控网络异常检测算法

• 作者: 徐园 梅勇 龚俊 孙梧雨
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 工业控制网络 异常检测 单类支持向量机 孤立森林
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 计算机与网络技术|Computer and Network Technology
• 页码范围: 49-52
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7690/bgzdh.2022.04.011

摘要

为提高工控系统异常流量检测能力,设计一种结合孤立森林(isolation forest,iForest)和单类支持向量机(one-class support vector machine,OCSVM)的混合算法.采用孤立森林算法检测训练数据中的离群点,将离群点剔除以降低其对单类支持向量机决策函数的影响;基于正常数据训练单类支持向量机模型,结合特征选取和参数优化进一步提高异常检测模型的检测率.实验结果表明:在燃气管道数据集上,该算法模型的检测率提高至92.51％,特别是对异常行为的召回率和查准率上升,优化了异常检测模型的性能,满足可靠性要求.