基于Bi-RNN模型的工业控制系统网络入侵检测研究
黎斌
广西职业技术学院 广西南宁 530226
摘要：因工业控制系统网络环境复杂且网络流量呈现动态变化,使得时间序列特征难以被精确捕捉,数据包大小分布的离散程度不明显,导致实时特征向量的提取过程受到影响,难以准确区分正常流量与异常流量,降低了入侵检测的准确性和效率.为此,文章提出一种基于Bi-RNN(bidirectional recurrent neural networks)模型的工业控制系统网络入侵检测研究.采用滑动平均法预处理工业控制系统网络数据,结合时间序列数据构建网络入侵检测Bi-RNN模型.通过计算数据包大小的变异系数体现数据包大小分布的离散程度,定向提取异常流量特征,并将其作为实时特征向量,输入至Bi-RNN模型中,实现工业控制系统网络入侵检测.实验结果表明,利用Bi-RNN模型对工业控制系统网络入侵进行检测后,戴维森堡丁指数可稳定保持在0.15以下水平,最小MAPE仅为0.13,检测准确性较高,说明该方法对工业控制系统网络入侵检测准确性较好,可准确地检测出入侵行为.
关键词：Bi-RNN模型工业控制系统网络入侵检测方法异常流量特征
论文发表日期：2025-04-25
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：5( 47-51 )