融合自编码降维的改进DNN水利工控网入侵检测算法

摘要：

为解决工控网异常入侵、水利泵站通信网安全防护的问题.论文提出一种基于深度神经网络的水利泵站工控网入侵数据的检测算法.首先针对泵站工控网内的数据进行预处理,通过自编码算法对数据进行特征提取、降维处理;利用深度神经网络模型结合受限玻尔兹曼机对各类数据进行训练,采用Adadelta算法进行网络模型的参数优化,并由Softmax分类器对工控网数据进行是否合法判别.实验数据集由底层设备实地采集到的水利泵站工控网内流动数据导入到本地数据库.实验结果表明:该方法的准确率对比深度神经网络未改进前的算法提高了3.76％,检测率提高了6.32％,漏报率降低0.5％,从而验证了论文方法的有效性.

关键词：水利泵站;通信安全;深度神经网络;Adadelta算法;Softmax分类器

所属期刊栏目：49

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目;江苏省六大高峰人才项目;江苏省研究生科研创新项目

在线出版日期：2021-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2287-2291,2401