【技术实现步骤摘要】
本专利技术涉及基于gru的变分自编码器的攻击和防御方法及系统，属于工业控制系统攻击防御。
技术介绍
1、随着互联网技术和工业自动化的快速发展，之前相对封闭独立的工业控制系统ics也在逐步变的开放化和互联化，这一方面提升了ics远程管理的能力，给操控者带来了极大的便利，另一方面也将其自身暴露在各种网络攻击的威胁之下。工业控制系统作为工业生产关键基础设施的“大脑”，其安全关系着社会和国家的安全。
2、入侵检测技术在保护工业控制系统免受入侵攻击方面发挥着重要的作用。近几年提出的基于深度学习(deep learning ，dl)的攻击检测算法在应对各种入侵攻击方面取得了极好的效果，极大地保障了相关系统的安全性，如长短期记忆网络(lstm)、生成对抗网络(gan)、自编码器(auto encoder)等方法，这些方法通过适当的训练取得了较好的检测效果。
3、然而，深度学习异常检测模型容易受到对抗性样本的攻击。早期的对抗样本攻击的成果大多集中在特征丰富的数据集上，而目前对抗样本攻击已经应用于许多领域，包括计算机视觉、医疗影像...
【技术保护点】
1.基于GRU的变分自编码器的攻击和防御方法，其特征在于，用于工业控制系统，包括：
2.根据权利要求1所述的基于GRU的变分自编码器的攻击和防御方法，其特征在于，对训练集和测试集进行数据预处理；包括：
3.根据权利要求1所述的基于GRU的变分自编码器的攻击和防御方法，其特征在于，利用训练好的GRU模型来学习各个传感器序列之间的约束关系；包括：
4.根据权利要求1所述的基于GRU的变分自编码器的攻击和防御方法，其特征在于，攻击者在测试数据中对传感器加入不同的扰动，利用所学到的各个传感器序列之间的约束关系并结合FGSM攻击方法来生成对抗
...【技术特征摘要】
1.基于gru的变分自编码器的攻击和防御方法，其特征在于，用于工业控制系统，包括：
2.根据权利要求1所述的基于gru的变分自编码器的攻击和防御方法，其特征在于，对训练集和测试集进行数据预处理；包括：
3.根据权利要求1所述的基于gru的变分自编码器的攻击和防御方法，其特征在于，利用训练好的gru模型来学习各个传感器序列之间的约束关系；包括：
4.根据权利要求1所述的基于gru的变分自编码器的攻击和防御方法，其特征在于，攻击者在测试数据中对传感器加入不同的扰动，利用所学到的各个传感器序列之间的约束关系并结合fgsm攻击方法来生成对抗样本；包括：
5.根据权利要求1所述的基于gru的变分自编码器的攻击和防御方法，其特征在于，采用处理好的数据集对vae异常检测模型进行训练，得到vae异常检测模型的训练的重构误差；包括：
6.根据权利要求1所述的基于gru的变分自编码器的攻击和防御方法，其...
【专利技术属性】
技术研发人员：徐丽娟，杨志，赵大伟，周洋，于福强，仝丰华，李鑫，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：
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。