【技术实现步骤摘要】
本专利技术属于入侵检测，尤其涉及一种基于知识蒸馏的工控网络入侵检测方法及装置。
技术介绍
1、一旦工控网络遭受攻击，可能会导致生产中断、设备损坏，甚至引发安全事故。因此，及时有效地检测和防御网络攻击是网络安全领域的重要课题。网络入侵检测作为一种有效的攻击防护手段，能够检测网络流量数据异常，进而防护网络攻击行为，正在受到越来越多的关注。
2、深度学习是一种模拟人脑神经网络的机器学习算法，近年来在图像识别、语音识别、自然语言处理等领域取得了显著的成果，其在网络入侵检测中的应用也引起了广泛的关注。由于深度学习能够从大量的数据中自动学习和提取特征，因此，它被视为一种有效的工控网络入侵检测技术。然而，深度学习技术也存在一些问题，如需要大量的标注数据、模型的计算复杂度高、对硬件设备的要求高等，这在一定程度上限制了其在工控网络入侵检测中的应用。
3、目前的工控网络入侵检测方法还不能充分挖掘流量数据的特征，如：
4、《一种基于1d cnn-bisru的工控网络入侵检测方法》（申请号cn202211667151.3）提...
【技术保护点】
1.一种基于知识蒸馏的工控网络入侵检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取网络流量数据，并将其编码为灰度图像，从而得到训练集，包括：
3.根据权利要求1所述的方法，其特征在于，在学生模型的训练之前，在主要教师模型和学生模型中各添加一层投影层，通过学生模型得到关于所述灰度图像的所述第三标签向量，计算教师模型和学生模型的投影层输出的特征之间的损失，作为所述特征损失。
4.根据权利要求3所述的方法，其特征在于，采用ViT模型作为主要教师模型，采用CNN-BiLSTM模型作为辅助教师模型，采用Mobile...
【技术特征摘要】
1.一种基于知识蒸馏的工控网络入侵检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取网络流量数据，并将其编码为灰度图像，从而得到训练集，包括：
3.根据权利要求1所述的方法，其特征在于，在学生模型的训练之前，在主要教师模型和学生模型中各添加一层投影层，通过学生模型得到关于所述灰度图像的所述第三标签向量，计算教师模型和学生模型的投影层输出的特征之间的损失，作为所述特征损失。
4.根据权利要求3所述的方法，其特征在于，采用vit模型作为主要教师模型，采用cnn-bilstm模型作为辅助教师模型，采用mobilevit模型作为学生模型，在主要教师模型的transformer编码器层后设置一个投影层，在学生模型的第一个mobilevit block后...
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。