基于改进GRU的SCADA网络入侵检测方法研究

• 作者: 鞠函函
• 来源期刊: 油气田地面工程
• 学科: 工学
• 关键词: SCADA;GRU;多头注意力机制;入侵检测;网络安全
• 年，卷（期）: 2025,（1）
• 所属期刊栏目: 电力电信
• 页码范围: 51-56
• 页数: 6页
• 语种: 中文

摘要

石油作为我国的能源支柱，其能源系统安全运行才能保证其他相关行业正常运行，一旦网络系统受到攻击或是网络崩溃，极大可能导致油气田及其他相关产业的生产作业陷入崩溃，所以油气站场工业控制系统的网络安全十分重要。但从站场上收集到的网络流量数据集极不平衡，正常流量远多于异常流量，造成网络入侵检测困难，且支持向量机、决策树、BP神经网络等传统机器学习算法不能有效处理监控与数据采集（SCADA）系统中大量、高纬度、时序性强等网络流量数据的问题。针对上述情况，提出了融合注意力机制的改进GRU模型。传统的注意力机制仅从单一层面上获取注意力信息和注意力特征，改进GRU模型使用多头注意力机制，其获取信息的能力更全面，经过GRU模型建模后的流量数据再通过注意力机制，模型可以充分学习异常流量数据特征，以便在不平衡的数据集中精准识别出异常流量数据。实验证明，相比于决策树、支持向量机及BP神经网络等传统方法，改进的GRU模型针对网络入侵检测的召回率达99%，可以准确识别到99%的异常情况，能够解决SCADA网络入侵检测问题，为SCADA系统的入侵检测提供了一种新的方案。