基于分层体系结构的工业控制系统入侵检测技术研究

摘要

为了进一步提高工业入侵检测系统的检测准确率和检测效率，提出了一种基于机器学习与深度学习结合的入侵检测系统.该系统首先通过k近邻(kNN)算法将传入的数据包进行分类；其次通过卷积神经网络(CNN)与长短记忆神经网络(LSTM)算法对传入的数据包进行再分类；再次对前两层的分类结果进行比较，如果发生冲突，冲突的数据包将被发送到第三层，即随机森林分类器，第三层根据数据包的性质做出最终决定，并根据分类结果传递或丢弃数据包；最后将该模型在KDD CUP99数据集上进行验证，并与kNN、Random Forest、Gaussian NB、SGD Classifier和CNN+LSTM方法进行比较，结果表明，该系统产生了高精度和较少错误反馈的结果，为工控系统信息安全提供了一种很好的防御思路.

关键词

工业信息安全 / 入侵检测 / 分层体系结构 / 深度学习 / 卷积神经网络