公开(公告)号：CN114283306B

公开(公告)日：2024-09-27

申请号：CN202111591012.2

申请日：2021-12-23

Applicant: 福州大学

Inventor： 郭里婷 ,  陈淡 ,  肖均昊

IPC: G06V10/764 ,  G06V10/771 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06Q50/04

Abstract: 本发明涉及一种工业控制网络异常检测方法及系统，该方法包括以下步骤：步骤S1、采用条件生成对抗网络CGAN学习少量异常数据样本的概率分布，再由生成器模型生成异常数据的补充样本，从而实现异常数据集增广；步骤S2、增广数据集通过XGBoost生成新的特征组合，再通过Friedman’s test特征选择算法得到最优的特征子集；步骤S3、在模型训练过程中，引入基于梯度的样本选择策略，保留有较大梯度的样本，对小梯度的数据样本进行随机丢弃，通过生成新的采样权重数据集训练得到最终模型；步骤S4、通过得到的最终模型进行工业控制网络异常检测。该方法及系统有利于提高工控网络异常检测的识别率和泛化性。

公开(公告)号：CN114283306A

公开(公告)日：2022-04-05

申请号：CN202111591012.2

申请日：2021-12-23

Applicant: 福州大学

Inventor： 郭里婷 ,  陈淡 ,  肖均昊

IPC: G06V10/764 ,  G06V10/771 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/04

Abstract: 本发明涉及一种工业控制网络异常检测方法及系统，该方法包括以下步骤：步骤S1、采用条件生成对抗网络CGAN学习少量异常数据样本的概率分布，再由生成器模型生成异常数据的补充样本，从而实现异常数据集增广；步骤S2、增广数据集通过XGBoost生成新的特征组合，再通过Friedman’s test特征选择算法得到最优的特征子集；步骤S3、在模型训练过程中，引入基于梯度的样本选择策略，保留有较大梯度的样本，对小梯度的数据样本进行随机丢弃，通过生成新的采样权重数据集训练得到最终模型；步骤S4、通过得到的最终模型进行工业控制网络异常检测。该方法及系统有利于提高工控网络异常检测的识别率和泛化性。