工业物联网异常行为检测装置制造方法及图纸

一种工业物联网异常行为检测装置，所述装置包括：模型获取单元，适于获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的原始网络流量数据进行训练得到；行为检测单元，适于将待检测的工业物联网网络流量数据输入所述工业物联网异常行为检测模型，得到对应的工业物联网异常行为检测结果。上述的方案，可以提高工业物联网异常行为检测的准确性。

Abnormal Behavior Detection Device for Industrial Internet of Things

An abnormal behavior detection device for industrial Internet of Things includes: a model acquisition unit suitable for acquiring the corresponding abnormal behavior detection model for industrial Internet of Things; the abnormal behavior detection model for industrial Internet of Things is used to train the original network traffic data acquired by using depth automatic encoder and depth feed-forward neural network; and a behavior detection unit suitable for waiting. The detected traffic data of the industrial Internet of Things network is input into the abnormal behavior detection model of the industrial Internet of Things, and the corresponding abnormal behavior detection results of the industrial Internet of Things are obtained. The above scheme can improve the accuracy of abnormal behavior detection in industrial Internet of Things.

【技术实现步骤摘要】
工业物联网异常行为检测装置
本专利技术属于工业物联网
，特别是涉及一种工业物联网异常行为检测装置。
技术介绍
工业云、工业大数据及智能化装备构成的工业智能化已经成为新型工业形态的显著特点。云端的数据分析与应用、本地的现场控制、边缘侧的数据处理与响应，三端相结合协同发展形成的多层面互联互通趋势也带来了产业的大规模升级。工业物联网需要把数以亿计的终端工业设备连入互联网，使得原本相对封闭的工业控制网络变得越来越开放。开放带来便捷和效能的同时，漏洞数量和利用漏洞形成有效攻击的数量也在不断攀升，使工业网络安全面临着极大的挑战。现有技术中，为了检测工业物联网网络攻击，必须部署网络入侵检测系统用于监视和检测整个网络系统中的可疑事件，其方法分为基于签名的检测和基于异常的检测两种，但却存在着检测准确性低等问题。
技术实现思路
本专利技术解决的技术问题是如何提高工业物联网异常行为检测的准确性。为了达到上述目的，本专利技术提供一种工业物联网异常行为检测装置，所述装置包括：模型获取单元，适于获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的本文档来自技高网...

【技术保护点】
1.一种工业物联网异常行为检测装置，其特征在于，包括：模型获取单元，适于获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的原始网络流量数据进行训练得到；行为检测单元，适于将待检测的工业物联网网络流量数据输入所述工业物联网异常行为检测模型，得到对应的工业物联网异常行为检测结果。

【技术特征摘要】
1.一种工业物联网异常行为检测装置，其特征在于，包括：模型获取单元，适于获取对应的工业物联网异常行为检测模型；所述工业物联网异常行为检测模型为采用深度自动编码器和深度前馈神经网络对所获取的原始网络流量数据进行训练得到；行为检测单元，适于将待检测的工业物联网网络流量数据输入所述工业物联网异常行为检测模型，得到对应的工业物联网异常行为检测结果。2.根据权利要求1所述的工业物联网异常行为检测装置，其特征在于，还包括模型训练单元，适于获取工业物联网中的原始网络流量数据；将所获取的原始网络流量数据进行预处理，得到预处理后的原始网络流量数据；所述预处理包括网络流量特征转换和特征归一化操作；采用所述深度自动编码器算法对预处理后的原始网络流量数据进行无标记训练，得到所述工业物联网异常行为检测模型的估计参数；采用深度前馈神经网络和预处理后的原始网络流量数据进行有标记训练，对所述工业物联网异常行为检测模型的估计参数进行优化，得到所述工业物联网异常行为检测模型。3.根据权利要求2所述的工业物联...

【专利技术属性】
技术研发人员：孙雁飞，亓晋，裴玉青，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32