-
题名基于联邦学习的工控机业务行为分布式安全检测
- 1
-
-
作者
李健俊
王万江
陈鹏
张帅
张利宏
李威
董惠良
-
机构
浙江中烟工业有限责任公司
北京工业大学信息学部
杭州优稳自动化系统有限公司
-
出处
《计算机集成制造系统》
北大核心
2025年第3期841-854,共14页
-
基金
国防科研试验信息安全实验室对外开放资助项目(2016XXAQ08)
国家重点研发计划资助项目(2016YFB0800204)。
-
文摘
工业互联网时代,不同厂商希望通过共享本地数据得到更完善的安全检测模型,但接入互联网后本地数据更易遭到窃取,而联邦学习可以通过交换模型参数的方式达到数据隐私保护和共享的目的。现有针对工业计算机的安全检测方法还存在一些缺陷:①很少考虑从业务行为方面提取特征模型;②难以解决本地数据被篡改而导致的模型偏移问题;③检测系统前端检测、后端分析的网络结构会增加从后端管理网到前端控制网之间的通信通道,从而给管理网引入新的攻击路径。针对上述问题,提出基于联邦学习的工控机业务行为分布式安全检测方法,包括工控机业务行为特征检测方法、基于信息熵分配权重的联邦学习模型聚合方法、基于转发硬件的数据传输重构方法;能够提高针对工控应用协议的攻击识别准确率,减轻工业控制计算机数据污染导致的模型偏移,防止攻击者利用管理网的分析后台进行远程攻击;实现了原型系统,并在卷接设备控制系统中进行了实验验证,与采用非业务行为建模的相关方法相比,所提方法对中间人攻击和远程攻击检测准确率分别提高了17%和24%;在自有和公开数据集上的验证结果表明,方法比常用的3种聚合算法的准确率提高了0.6%~2.4%,遭到数据毒化攻击后,所提方法准确率下降为0.6%和1.1%,而其他算法下降了1.1%~7.5%和1.5%~4.5%;并能够防止攻击者利用管理网检测后台漏洞发起向控制网的远程攻击,减小攻击面。
-
关键词
工业控制系统
业务行为检测
联邦学习
数据毒化
攻击过滤
-
Keywords
industrial control systems
business behavior detection
federal learning
data poisoning
attack filtering
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于免疫粒子群算法的PID参数优化研究
被引量：16
- 2
-
-
作者
吕红芳
王涛
嵇月强
高慧
徐斌
王秋婷
-
机构
上海电机学院电气学院
杭州优稳自动化系统有限公司技术中心
-
出处
《中国工程机械学报》
北大核心
2022年第3期194-198,共5页
-
基金
基于时间敏感网络技术的PLC资助项目(TC190A449)
浙江省重点研发计划资助项目(2021C01032)。
-
文摘
针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法(PSO)中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。
-
关键词
惯性权重
学习因子
学习模式
粒子群优化算法
PID控制参数
-
Keywords
inertia weight
learning factor
learning mode
particle swarm optimization algorithm
PID control parameters
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向工业计算机的网络入侵行为检测
被引量：11
- 3
-
-
作者
李威
姜学峰
李健俊
倪雄军
刘一帆
李永震
-
机构
浙江中烟工业有限责任公司信息中心
北京工业大学信息学部
杭州优稳自动化系统有限公司
-
出处
《计算机应用》
CSCD
北大核心
2022年第S01期178-183,共6页
-
文摘
工业计算机在工业控制系统(ICS)中负责控制现场设备的核心控制器,直接面临来自开放网络的攻击威胁。针对工业计算机面临的外部网络攻击威胁,提出了适用于工业计算机的网络通信行为模型及高准确率的入侵检测方法。首先,分别从训练数据和训练算法两个维度优化模型;然后,针对高维流量数据导致的训练成本过高、准确率低等问题,提出了基于相关性分析的网络行为特征选择方法;最后,采用差分进化算法对支持向量机(SVM)进行参数优化。以烟草行业场景下工控设备进行实验验证,实验结果表明,优化后的模型准确率达到97%,曲线下面积(AUC)值为0.98,可有效识别网络攻击。相较于随机森林(RandomForest)、SVM、遗传算法优化的支持向量机(GASVM)等机器学习算法,所提优化方法的准确率提升了1%~7%,精确率提升了1%~4%。
-
关键词
网络入侵检测
行为检测
支持向量机
差分进化算法
机器学习
-
Keywords
network intrusion detection
behavior detection
Support Vector Machine(SVM)
differential evolution algorithm
machine learning
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
