融合ResNet和GRU的工业入侵检测方法

摘要

针对传统的工业入侵检测算法存在数据特征提取不充分、收敛速度慢、深层网络存在网络退化及传统的激活函数对网络性能改善不明显的问题，提出了一种融合残差网络(residual network, ResNet)和门控循环单元(gated recurrent unit, GRU),以自适应(Meta-ACON)激活函数作为激活函数的工业入侵检测方法.首先，使用ResNet对工业流量数据进行深度特征提取，解决网络退化问题；其次，采用Meta-ACON激活函数改进ReLU激活函数，通过优化转换因子自适应选择是否激活，从而提高模型精度；再次，使用GRU对长期序列信息进行保留，并对数据的时序特征进行学习，解决梯度消失问题；最后，使用Softmax分类器进行分类，得到分类结果的概率.通过UNSW-NB15数据集开展实验，利用密西西比州大学天然气管道数据集进行验证，结果表明：与其他检测模型相比，所提模型在准确率、精确率、召回率等方面均有提高，证明了其在工业环境下的适用性和有效性.

关键词

工控网络安全 / 入侵检测 / 残差网络 / 门控循环单元 / Meta-ACON激活函数