| 基于长短期记忆网络的工控网络异常流量检测 |
| |
| 作者姓名： | 田伟宏 李喜旺 司志坚 |
| |
| 作者单位： | 中国科学院大学, 北京 100049;中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院 沈阳计算技术研究所, 沈阳 110168;国网辽宁省电力有限公司, 沈阳 110004 |
| |
| 基金项目： | 国家科技重大专项（2017ZX01030-201） |
| |
| 摘 要： | 针对目前工控网络异常流量检测方法存在识别准确率不高和识别效率低的问题,结合工控网络具有周期性的特点,提出一种基于长短期记忆网络(LSTM)的时序预测的异常流量检测模型.该模型以LSTM网络模型为核心,用前15分钟的正常历史流量序列预测下一时刻的流量数据,在测试集上准确率为98.12%的前提下,可以认为模型的预测值即为正常值,通过对比实际值和预测值来判断是否出现异常.在不降低识别准确率的前提下,由于提前计算出了预测值,该方法大幅度提高了检测效率.
|
| 关 键 词： | 长短期记忆网络 时序预测 工控网络 异常流量检测 流量序列 |
| 收稿时间： | 2020-02-20 |
| 修稿时间： | 2020-03-17 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
