基于优化单类支持向量机的工业控制系统入侵检测算法 | |
尚文利![]() ![]() ![]() ![]() | |
刊名 | 信息与控制
![]() |
2015 | |
卷号 | 44期号:6页码:678-684 |
关键词 | 单类支持向量机 入侵检测 Modbus功能码 粒子群优化 |
ISSN号 | 1002-0411 |
其他题名 | Intrusion Detection Algorithm Based on Optimized One-class Support Vector Machine for Industrial Control System |
产权排序 | 1 |
中文摘要 | 基于通信行为的异常检测是工业控制系统入侵检测的难点问题. 通过利用粒子群优化(particle swarm optimization,PSO)算法对单类支持向量机(one-class support vector machine,OCSVM)算法的参数进行优化,提出一种PSO-OCSVM算法. 该算法根据正常的Modbus功能码序列建立正常通信行为的入侵检测模型,识别出异常的Modbus TCP通信流量. 通过仿真对比分析,证明PSO-OCSVM算法满足工业控制系统通信异常检测对高效性、可靠性和实时性的需求. |
英文摘要 | The detection of anomalous communication behavior is a challenging problem with respect to detecting intrusions in industrial control systems. We utilize the particle swarm optimization (PSO) algorithm to optimize the parameters of the one-class support vector machine (OCSVM), and further propose the PSO-OCSVM algorithm. According to the function codes of the standard Modbus transmission control protocol (TCP), we developed an intrusion detection model of normal communication behavior to enable the identification of abnormal Modbus TCP communication. A comparison and analysis of the simulation confirms that the proposed algorithm is demonstrably efficient, reliable, and operates in real-time, and thus has the potential to meet the requirements of anomaly detection in industrial control systems. |
收录类别 | CSCD |
语种 | 中文 |
CSCD记录号 | CSCD:5630309 |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/17541] ![]() |
专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
推荐引用方式 GB/T 7714 | 尚文利,李琳,万明,等. 基于优化单类支持向量机的工业控制系统入侵检测算法[J]. 信息与控制,2015,44(6):678-684. |
APA | 尚文利,李琳,万明,&曾鹏.(2015).基于优化单类支持向量机的工业控制系统入侵检测算法.信息与控制,44(6),678-684. |
MLA | 尚文利,et al."基于优化单类支持向量机的工业控制系统入侵检测算法".信息与控制 44.6(2015):678-684. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论