面向ICS不平衡数据的重叠区混合采样方法

摘要：

工业控制系统异常检测面临着数据不平衡问题,其中,不平衡数据存在的类重叠现象加剧了分类器的检测难度.基于数据类别平衡或数据重叠检测的应对策略较常被采用,但这些策略方法存在着模型稳定性差或重叠识别率低等问题.对此,提出了一种面向重叠区域的混合采样方法:OverlapRHS.该方法利用支持向量数据描述分别在多数类和少数类样本上构建重叠检测模型,并通过将合成少数类与邻域清洗进行组合,对重叠数据区域内的样本施以混合采样.最后该方法与4种经典分类器结合,在4个公开的不平衡数据集上进行了测试,并与其他4种处理不平衡问题的采样方法进行了比较.实验结果表明,所提方法能够有效检测出不平衡数据集中的重叠数据,并通过高效且针对性强的数据混合采样改善了分类器的训练效果,提高了分类器对不平衡数据的异常检测性能,展现了较之于其他采样方法在不平衡数据处理上的显著优势.

关键词：工业控制系统、不平衡数据、类重叠、支持向量数据描述、混合采样、异常检测

所属期刊栏目：59

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费中国民航大学专项;中国民航大学信息安全测评中心开放基金课题;中国民航大学研究生科研创新项目

在线出版日期：2023-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：305-315