基于卷积神经网络的电网工控系统入侵检测算法
传统的电网工控系统主要通过防火墙等工具,与外部网络进行隔离,但是随着云计算、物联网等新技术的应用,网络之间互联程度不断深入,安全防护难度大大提高,如何有效检测出网络入侵行为变得至关重要.与传统入侵检测技术相比,卷积神经网络具有更好的提取入侵特征的能力.本文提出一种基于卷积神经网络的电网工控系统入侵检测算法,使用经过处理的KDD99数据集进行模型训练,并添加级联卷积层优化网络结构.在参数规模不大的前提下,保证了模型运行的实时性要求.本文算法相对于传统SVM算法和K-means算法,提高了入侵检测的准确率,降低了误检率,可以有效检测出对于电网工控系统的入侵行为.
卷积神经网络、电网工控系统、入侵检测、SVM、K-means
29
2020-09-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
179-184