【技术实现步骤摘要】
本专利技术涉及一种工业互联网入侵检测方法,特别是涉及一种工业互联网入侵检测模型优化特征选择方法。
技术介绍
1、传统的工业控制系统(ics)是基于物理隔离的,因此人们更加关注系统的功能安全问题而忽视了系统的信息安全问题。今天的工业控制系统正在向信息化方向发展,传统的针对工业网络的安全方法主要依赖于部署在边缘的安全设备,例如可以根据自定义的规则过滤网络流量的防火墙。然而,这种被动的防御策略只能拦截已知的网络攻击,在面对新的网络威胁时无法做到有效识别和拦截,因此需要更加主动、智能的入侵检测方法。
2、机器学习方法作为一种快速发展的人工智能方法,可以从大量已知数据中挖掘出隐藏的规律,并利用学到的规律对新数据进行预测和分类。这项技术在入侵检测领域可以发挥巨大的作用。结合机器学习方法的入侵检测系统可以通过训练学习已知的网络攻击,进而识别出以前没有出现过的新的异常网络流量,大大提高了检测的精度。
3、随着工业系统信息化程度越来越高,针对工业网络的攻击将会大量出现。因此,将机器学习与入侵检测技术相结合,开发更加智能的入侵检测模
...【技术保护点】
1.一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述方法包括模型特征选择方法、GA-PSO算法优化参数、基础学习模型选择、整体模型框架;
2.根据权利要求1所述的一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述模型特征选择方法,数据类别为原始工业网络入侵数据是高维数据,包含多种特征,选择高度相关的特征。
3.根据权利要求1所述的一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述GA-PSO算法优化参数,在空间中逐步更新每个粒子的位置,每次迭代过程中单个粒子与它本身的经验以及其他粒子的经验进行比较来更新其下一步的
...【技术特征摘要】
1.一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述方法包括模型特征选择方法、ga-pso算法优化参数、基础学习模型选择、整体模型框架;
2.根据权利要求1所述的一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述模型特征选择方法,数据类别为原始工业网络入侵数据是高维数据,包含多种特征,选择高度相关的特征。
3.根据权利要求1所述的一种工业互联网入侵检测模型优化特征选择方法,其特征在于,所述ga-pso算法优化参数,在空间中逐步更新每个粒子的位置,每次迭代过程中单个粒子与它本身的经验以及其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。