-
题名一种面向工控系统的PU学习入侵检测方法
被引量：4
- 1
-
-
作者
吕思才
张格
张耀方
刘红日
王子博
王佰玲
-
机构
哈尔滨工业大学(威海)计算机科学与技术学院
国家工业信息安全发展研究中心
哈尔滨工业大学网络空间安全研究院
-
出处
《信息安全学报》
CSCD
2021年第4期72-89,共18页
-
基金
国防基础科研计划(No.JCKY2019608B001)资助。
-
文摘
工业控制系统与物理环境联系紧密,受到攻击会直接造成经济损失,人员伤亡等后果,工业控制系统入侵检测可以提供有效的安全防护。工业控制系统中将入侵检测作为一个异常检测问题,本文围绕PU learning(Positive-unlabeled learning, PU学习)进行工业控制系统入侵检测进行研究。首先针对工业控制系统中数据维度高的特点,提出了一种特征重要度计算方法,通过正例数据集和无标签数据集的分布差异度量特征重要度,用于PU学习的特征选择;其次提出了一种基于OCSVM(One-Class SVM)的类先验估计算法,该算法可以稳定且准确的估计出类先验概率,为PU学习提供必要的先验知识;最后采用了三个公开数据集进行实验,在仅有一类标签数据的条件下,通过PU学习发现待检测数据中的异常样本,并与一些现有的模型进行对比,验证了PU学习的有效性。
-
关键词
工业控制系统
入侵检测
PU学习
类先验概率估计
-
Keywords
industrial control system
intrusion detection
positive-unlabeled learning
class prior estimation
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
