基于GAN-Cross的工控系统类不平衡数据异常检测 |
| |
引用本文: | 顾兆军,刘婷婷,高冰,隋翯.基于GAN-Cross的工控系统类不平衡数据异常检测[J].信息网络安全,2022(8):81-89. |
| |
作者姓名: | 顾兆军 刘婷婷 高冰 隋翯 |
| |
作者单位: | 1. 中国民航大学信息安全测评中心;2. 中国民航大学计算机科学与技术学院;3. 中国民航大学航空工程学院 |
| |
基金项目: | 国家自然科学基金[61601467]; |
| |
摘 要: | 工业控制系统异常检测存在类不平衡问题,导致通用分类器很难实现异常数据的精准识别。目前,针对类不平衡数据,常用采样方法实现各类数据的平衡,以提高分类器性能。但传统采样方法对数据集特征敏感,采样效果稳定性差,异常检测精度波动大。文章基于生成式对抗网络(Generative Adversarial Network,GAN),提出一种GAN-Cross采样模型,该模型可以学习目标数据的概率分布,并生成相似概率分布的数据,从而改善数据的平衡性。同时,文章在生成器和判别器中增加了交叉层,从而更好地实现特征提取。最后文章将该模型与随机森林、K-近邻、高斯朴素贝叶斯和支持向量机4种经典分类器进行组合,在4个公开类不平衡数据集上与其他4种常规采样方法进行比较。实验结果表明,与传统采样方法相比,该模型能够显著提高分类器对类不平衡数据的异常检测能力。
|
关 键 词: | 工业控制系统 类不平衡数据 生成式对抗网络 采样方法 异常检测 |
|
|