【技术实现步骤摘要】
本专利技术涉及工业物联网安全中的网络安全，特别涉及基于深度学习的工业物联网设备智能识别方法及装置。
技术介绍
1、在工业控制系统中，未经授权或欺骗的设备可能会危及或损害关键基础设施的性能和安全。在工业控制系统的实际场景中，比如煤矿、火电站，汽车工厂等，攻击者可以通过侵入特定的无线智能设备，利用无线网络注入虚假数据和命令，导致设备异常运行，从而导致工业网络面临严重的安全威胁，影响正常的工业生产并对社会造成巨大的经济损失。因此，这些工业设备潜在的危害使得ics网络安全监控的任务显得尤为重要。研究和应用工业物联网设备识别技术可以有效解决工业互联网中设备和数据的安全问题。因此，高效准确地识别物联网设备已成为一项值得研究的安全技术。它可以帮助管理和配置设备，检测和隔离易受攻击的设备，并在设备偏离正常行为时采取限制措施，防止安全威胁的扩大。
2、有效的设备识别方法可以提供网络中存在的设备的详尽清单，使网络管理员能够定位易受攻击的设备和设定特定设备类型的自动漏洞修补。因此设备识别技术对于实现工业物联网网络的安全至关重要。工业物联网设备数据...
【技术保护点】
1.基于深度学习的工业物联网设备智能识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：还包括利用粒子群优化算法对特征提取参数和自注意力机制参数进行优化。
3.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：所述将流量数据转化为灰度图像序列和一维度向量序列包括如下步骤：
4.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：提取所述灰度图像序列的双向时序特征包括如下步骤：
5.根据权利要求1所述的基于深度学习...
【技术特征摘要】
1.基于深度学习的工业物联网设备智能识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：还包括利用粒子群优化算法对特征提取参数和自注意力机制参数进行优化。
3.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：所述将流量数据转化为灰度图像序列和一维度向量序列包括如下步骤：
4.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：提取所述灰度图像序列的双向时序特征包括如下步骤：
5.根据权利要求1所述的基于深度学习的工业物联网设备智能识别方法，其特征在于：提取所述一维度向量序列的双向门控时间特征的方法为：
6.根据权利...
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。