| 面向ICS的CGAN-DEEPFOREST入侵检测 |
| |
| 引用本文： | 郑灿伟,李世明,王禹贺,杜军,倪蕴涛,赵艳.面向ICS的CGAN-DEEPFOREST入侵检测[J].小型微型计算机系统,2023(4):868-874. |
| |
| 作者姓名： | 郑灿伟 李世明 王禹贺 杜军 倪蕴涛 赵艳 |
| |
| 作者单位： | 1. 哈尔滨师范大学计算机科学与信息工程学院;2. 上海市信息安全综合管理技术研究重点实验室;3. 洛阳师范学院信息技术学院 |
| |
| 基金项目： | 黑龙江省自然科学基金项目(F2016030,F2018023)资助；;河南省科技攻关项目(212102310991)资助；;河南省高等学校重点科研项目(21A413001)资助； |
| |
| 摘 要： | 随着工业化与信息化的深度融合，工业控制系统(ICS)的安全问题广受关注，ICS领域出现了许多入侵检测模型.但是，现存模型存在局限性，无法同时解决数据不平衡、分类时间长、小样本检测率低和准确率低的问题.因此，本文提出CGAN-DeepForest入侵检测模型解决上述问题.首先，采用改进的条件生成对抗网络(CGAN)定向扩充数据来改善数据的不平衡性.其次，采用随机森林对平衡后的数据集进行特征提取，降低分类模型训练时间和分类时间.再次，采用深度森林(DeepForest)进行分类，提高小样本检测率和整体准确率，输出分类结果.最后，使用数据集Gas验证模型效果.实验结果表明，本文模型与简单深度森林模型相比准确率整体提升3%,小样本数据NMRI、MFCI、Dos的查全率、查准率、F1分别提高至95%、84%、90%;与随机森林模型相比，准确率整体提高6%,小样本NMRI的查全率提升23%;与深度卷积神经网络相比，准确率接近94%时，模型训练时间和分类时间提高约50%.
|
| 关 键 词： | 工业控制系统 入侵检测 CGAN-Deep Forest 不平衡性 分类时间 |
|
|
