基于深度学习的SCADA系统异常检测算法研究
杨丽莉
闽南理工学院信息管理学院 福建石狮 362700
摘要：随着现代工业的发展和网络技术的进步,SCADA(supervisory control and data acquisition)系统面临日益增多的安全威胁,如网络攻击、系统漏洞和设备故障等.传统的异常检测方法已难以满足复杂多变的异常事件检测需求.因此,提出基于深度学习SCADA系统异常检算法.通过深入分析SCADA系统的数据特点,设计了一个基于长短期记忆网络(LSTM)的深度学习模型,以捕捉数据中的复杂时序依赖关系,并实现异常事件的快速、准确检测.算法设计的步骤包括数据预处理、特征提取、模型选择与构建以及算法流程等,并通过一个具体的电力负荷数据集进行了实验验证.实验结果表明,所提出的基于深度学习的异常检测算法在SCADA系统异常检测领域具有显著的优势,为SCADA系统的安全和稳定运行提供了有力的技术保障.
关键词：深度学习SCADA系统异常检测算法
资助基金：福建省教育厅中青年教师教育科研项目(JAT210520)
论文发表日期：2024-08-28
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( 9-12 )