基于改进D-S证据理论的工业入侵检测技术
敖然1
杨忠君1
郑志权1
李鹏程2
1.沈阳化工大学信息工程学院 辽宁沈阳1101422.辽宁省计量科学研究院 辽宁沈阳 110006
摘要：针对数据特征提取不充分,分类时数据丢失问题,提出了一种基于时间和空间特征融合入侵检测方法——改进D-S证据理论的工业入侵检测技术.利用一维卷积神经网络(one dimensional convolutional neural network,1DCNN)和长短期记忆网络(long short-term memory,LSTM)同时进行特征提取,再利用改进D-S证据理论数据融合方法得到入侵检测结果.实验在工业控制系统标准数据集和煤制甲醇仿真工厂数据集上进行评估,结果表明模型符合工业入侵检测标准,与其它流行入侵检测技术相比较,提出的工业入侵检测技术较好的分类性能.
关键词：工业控制系统入侵检测深度学习D-S证据理论
资助基金：辽宁省自然科学基金(2019MS260)创新人才计划(LR2018002)辽宁省重点研发计划(2020JH2/10100035)
论文发表日期：2021-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 12-15 )