基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法研究
發(fā)布時(shí)間:2022-01-15 07:01
當(dāng)前,隨著工業(yè)生產(chǎn)制造技術(shù)與大數(shù)據(jù)、云計(jì)算、人工智能新一代信息技術(shù)的深度融合,現(xiàn)代工業(yè)正朝著數(shù)字化、智能化等方向飛速發(fā)展。但是,工業(yè)化與信息化深度融合的同時(shí),工業(yè)控制系統(tǒng)自身的封閉性被打破,加之工業(yè)控制系統(tǒng)信息安全防護(hù)技術(shù)發(fā)展較為緩慢,工業(yè)網(wǎng)絡(luò)信息安全問題愈發(fā)突出。入侵檢測(cè)作為一種可以實(shí)時(shí)監(jiān)測(cè)和保護(hù)工業(yè)系統(tǒng)信息安全的技術(shù),受到眾多研究人員的青睞。入侵檢測(cè)就是通過對(duì)采集到的行為信息進(jìn)行分析,從而做出該行為是否為入侵行為的判斷,其本質(zhì)上是一種對(duì)分類問題的研究。對(duì)分類問題,孿生支持向一量機(jī)(TWSVM)是一種在支持向量機(jī)(SVM)基礎(chǔ)上改進(jìn)的算法,其訓(xùn)練速度快,泛化性能強(qiáng),能夠很好地解決分類、回歸等問題。本項(xiàng)研究在仔細(xì)研讀了大量文獻(xiàn)資料及相關(guān)理論知識(shí)的基礎(chǔ)上,構(gòu)建基于粒子群優(yōu)化(PSO)的TWSVM模型。首先,針對(duì)工業(yè)網(wǎng)絡(luò)數(shù)據(jù)入侵特征值度量單位不同,樣本的特征屬性各異,對(duì)工業(yè)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行歸一化;其次,針對(duì)工業(yè)網(wǎng)絡(luò)數(shù)據(jù)維度較高的問題,采用主成分分析(PCA)對(duì)工業(yè)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行降維和特征提取;然后,針對(duì)單一核函數(shù)的性能不足,構(gòu)建一種由Gauss核函數(shù)與Sigmoid核函數(shù)組...
【文章來(lái)源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:78 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
SVM二維平面分類示意圖
第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法29第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法2007年,Jayadeva等人改進(jìn)了支持向量機(jī),得到了孿生支持向量機(jī)(TwinSupportVectorMachine,TWSVM)。TWSVM是在SVM基礎(chǔ)上提出來(lái)的,借鑒了SVM構(gòu)建超平面的思想,但是與SVM采用一個(gè)超平面不同的是,TWSVM的思想是為正負(fù)類型分別構(gòu)造一個(gè)超平面,正類樣本盡可能的接近正類超平面,一定程度的遠(yuǎn)離負(fù)類超平面[58]。從一個(gè)二次規(guī)劃求最優(yōu)解的問題變成求解兩個(gè)二次規(guī)劃的問題,該方法可以極大程度地降低模型訓(xùn)練時(shí)間,提高模型訓(xùn)練和檢測(cè)能力。此外,TWSVM的容錯(cuò)能力優(yōu)秀,訓(xùn)練速度快,在處理分類的實(shí)時(shí)性問題更加優(yōu)秀。因此本項(xiàng)研究基于TWSVM,因?yàn)檫@種算法的實(shí)際應(yīng)用的能力和價(jià)值更強(qiáng),更加適用于工業(yè)控制系統(tǒng)入侵檢測(cè)。給定兩類維個(gè)訓(xùn)練點(diǎn),分別用的矩陣A和矩陣B表示+1類和1類,這里1和2分別表示兩類樣本的數(shù)目。TWSVM的目標(biāo)是在空間中尋找兩個(gè)非平行的超平面:112200TTxbxb+=+=··········································(3-1)要求每一個(gè)超平面離本類樣本盡可能地近,離他類樣本盡可能的遠(yuǎn),TWSVM示意圖如圖3.1所示。圖3.1孿生支持向量機(jī)示意圖
第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法33圖3.2Gauss核函數(shù)特性曲線2.全局核函數(shù)(1)多項(xiàng)式核函數(shù)全局核函數(shù)的典型代表是多項(xiàng)式核函數(shù),其函數(shù)表達(dá)式為(,)(),0dTijijKxx=xx+r······························(3-23)其中為多項(xiàng)式系數(shù),為多項(xiàng)式的階數(shù),由上式可以看出無(wú)論樣本點(diǎn)之間距離為多少,都會(huì)受到核函數(shù)的影響。相對(duì)Gauss核函數(shù)而言,多項(xiàng)式核函數(shù)善于提取樣本的全局特性。圖中為=1,=1,階數(shù)分別取1,2,3,4,5時(shí)多項(xiàng)式核函數(shù)特性曲線圖,同樣以0.1為測(cè)試點(diǎn),由圖3.3中可以看出,多項(xiàng)式核函數(shù)在所有的點(diǎn)都具有非0值,即這個(gè)數(shù)據(jù)點(diǎn)對(duì)于所有待識(shí)別數(shù)據(jù)點(diǎn)都有全局性的影響。圖3.3多項(xiàng)式核函數(shù)特性曲線(2)Sigmoid核函數(shù)
【參考文獻(xiàn)】:
期刊論文
[1]基于相關(guān)信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測(cè)[J]. 石樂義,朱紅強(qiáng),劉祎豪,劉佳. 計(jì)算機(jī)研究與發(fā)展. 2019(11)
[2]美工控安全檢測(cè)工作研究及對(duì)我啟示[J]. 張偉,孫磊,劉志堯. 信息記錄材料. 2019(06)
[3]工業(yè)控制網(wǎng)絡(luò)入侵檢測(cè)的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法[J]. 陳萬(wàn)志,徐東升,張靜. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[4]工控網(wǎng)絡(luò)異常行為的RST-SVM入侵檢測(cè)方法[J]. 朱建軍,安攀峰,萬(wàn)明. 電子測(cè)量與儀器學(xué)報(bào). 2018(07)
[5]基于白名單機(jī)制的工控分級(jí)入侵檢測(cè)算法[J]. 嚴(yán)彪,尹麗波,應(yīng)歡,孫玉硯,陳新,孫利民. 通信技術(shù). 2018(04)
[6]特朗普政府執(zhí)政初期美國(guó)網(wǎng)絡(luò)安全政策新趨勢(shì)和啟示[J]. 王超. 網(wǎng)絡(luò)空間安全. 2017(Z5)
[7]國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布《關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)條例(征求意見稿)》[J]. 中國(guó)信息安全. 2017(08)
[8]基于仿真建模的工業(yè)控制網(wǎng)絡(luò)入侵檢測(cè)方法研究[J]. 高一為,周?,賴英旭,范科峰,姚相振,李琳. 通信學(xué)報(bào). 2017(07)
[9]歐盟《網(wǎng)絡(luò)與信息系統(tǒng)安全指令》的主要內(nèi)容與立法啟示——兼評(píng)《網(wǎng)絡(luò)安全法》相關(guān)立法條款[J]. 王肅之. 理論月刊. 2017(06)
[10]工業(yè)控制系統(tǒng)入侵檢測(cè)研究綜述[J]. 賴英旭,劉增輝,蔡曉田,楊凱翔. 通信學(xué)報(bào). 2017(02)
碩士論文
[1]基于機(jī)器學(xué)習(xí)的可感知序列型工控入侵檢測(cè)技術(shù)研究[D]. 賈新桐.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所) 2019
[2]面向網(wǎng)絡(luò)入侵檢測(cè)的特征選擇方法研究[D]. 任學(xué)臻.遼寧師范大學(xué) 2019
[3]基于主動(dòng)學(xué)習(xí)支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)的研究與應(yīng)用[D]. 余龍華.南京理工大學(xué) 2019
[4]基于偏二叉樹雙支持向量機(jī)的遙感圖像分類研究與應(yīng)用[D]. 佟昊.安徽大學(xué) 2015
本文編號(hào):3590142
【文章來(lái)源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:78 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
SVM二維平面分類示意圖
第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法29第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法2007年,Jayadeva等人改進(jìn)了支持向量機(jī),得到了孿生支持向量機(jī)(TwinSupportVectorMachine,TWSVM)。TWSVM是在SVM基礎(chǔ)上提出來(lái)的,借鑒了SVM構(gòu)建超平面的思想,但是與SVM采用一個(gè)超平面不同的是,TWSVM的思想是為正負(fù)類型分別構(gòu)造一個(gè)超平面,正類樣本盡可能的接近正類超平面,一定程度的遠(yuǎn)離負(fù)類超平面[58]。從一個(gè)二次規(guī)劃求最優(yōu)解的問題變成求解兩個(gè)二次規(guī)劃的問題,該方法可以極大程度地降低模型訓(xùn)練時(shí)間,提高模型訓(xùn)練和檢測(cè)能力。此外,TWSVM的容錯(cuò)能力優(yōu)秀,訓(xùn)練速度快,在處理分類的實(shí)時(shí)性問題更加優(yōu)秀。因此本項(xiàng)研究基于TWSVM,因?yàn)檫@種算法的實(shí)際應(yīng)用的能力和價(jià)值更強(qiáng),更加適用于工業(yè)控制系統(tǒng)入侵檢測(cè)。給定兩類維個(gè)訓(xùn)練點(diǎn),分別用的矩陣A和矩陣B表示+1類和1類,這里1和2分別表示兩類樣本的數(shù)目。TWSVM的目標(biāo)是在空間中尋找兩個(gè)非平行的超平面:112200TTxbxb+=+=··········································(3-1)要求每一個(gè)超平面離本類樣本盡可能地近,離他類樣本盡可能的遠(yuǎn),TWSVM示意圖如圖3.1所示。圖3.1孿生支持向量機(jī)示意圖
第3章基于改進(jìn)的TWSVM工業(yè)控制系統(tǒng)入侵檢測(cè)方法33圖3.2Gauss核函數(shù)特性曲線2.全局核函數(shù)(1)多項(xiàng)式核函數(shù)全局核函數(shù)的典型代表是多項(xiàng)式核函數(shù),其函數(shù)表達(dá)式為(,)(),0dTijijKxx=xx+r······························(3-23)其中為多項(xiàng)式系數(shù),為多項(xiàng)式的階數(shù),由上式可以看出無(wú)論樣本點(diǎn)之間距離為多少,都會(huì)受到核函數(shù)的影響。相對(duì)Gauss核函數(shù)而言,多項(xiàng)式核函數(shù)善于提取樣本的全局特性。圖中為=1,=1,階數(shù)分別取1,2,3,4,5時(shí)多項(xiàng)式核函數(shù)特性曲線圖,同樣以0.1為測(cè)試點(diǎn),由圖3.3中可以看出,多項(xiàng)式核函數(shù)在所有的點(diǎn)都具有非0值,即這個(gè)數(shù)據(jù)點(diǎn)對(duì)于所有待識(shí)別數(shù)據(jù)點(diǎn)都有全局性的影響。圖3.3多項(xiàng)式核函數(shù)特性曲線(2)Sigmoid核函數(shù)
【參考文獻(xiàn)】:
期刊論文
[1]基于相關(guān)信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測(cè)[J]. 石樂義,朱紅強(qiáng),劉祎豪,劉佳. 計(jì)算機(jī)研究與發(fā)展. 2019(11)
[2]美工控安全檢測(cè)工作研究及對(duì)我啟示[J]. 張偉,孫磊,劉志堯. 信息記錄材料. 2019(06)
[3]工業(yè)控制網(wǎng)絡(luò)入侵檢測(cè)的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法[J]. 陳萬(wàn)志,徐東升,張靜. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[4]工控網(wǎng)絡(luò)異常行為的RST-SVM入侵檢測(cè)方法[J]. 朱建軍,安攀峰,萬(wàn)明. 電子測(cè)量與儀器學(xué)報(bào). 2018(07)
[5]基于白名單機(jī)制的工控分級(jí)入侵檢測(cè)算法[J]. 嚴(yán)彪,尹麗波,應(yīng)歡,孫玉硯,陳新,孫利民. 通信技術(shù). 2018(04)
[6]特朗普政府執(zhí)政初期美國(guó)網(wǎng)絡(luò)安全政策新趨勢(shì)和啟示[J]. 王超. 網(wǎng)絡(luò)空間安全. 2017(Z5)
[7]國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布《關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)條例(征求意見稿)》[J]. 中國(guó)信息安全. 2017(08)
[8]基于仿真建模的工業(yè)控制網(wǎng)絡(luò)入侵檢測(cè)方法研究[J]. 高一為,周?,賴英旭,范科峰,姚相振,李琳. 通信學(xué)報(bào). 2017(07)
[9]歐盟《網(wǎng)絡(luò)與信息系統(tǒng)安全指令》的主要內(nèi)容與立法啟示——兼評(píng)《網(wǎng)絡(luò)安全法》相關(guān)立法條款[J]. 王肅之. 理論月刊. 2017(06)
[10]工業(yè)控制系統(tǒng)入侵檢測(cè)研究綜述[J]. 賴英旭,劉增輝,蔡曉田,楊凱翔. 通信學(xué)報(bào). 2017(02)
碩士論文
[1]基于機(jī)器學(xué)習(xí)的可感知序列型工控入侵檢測(cè)技術(shù)研究[D]. 賈新桐.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所) 2019
[2]面向網(wǎng)絡(luò)入侵檢測(cè)的特征選擇方法研究[D]. 任學(xué)臻.遼寧師范大學(xué) 2019
[3]基于主動(dòng)學(xué)習(xí)支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)的研究與應(yīng)用[D]. 余龍華.南京理工大學(xué) 2019
[4]基于偏二叉樹雙支持向量機(jī)的遙感圖像分類研究與應(yīng)用[D]. 佟昊.安徽大學(xué) 2015
本文編號(hào):3590142
本文鏈接:http://www.sikaile.net/shoufeilunwen/xixikjs/3590142.html
最近更新
教材專著