發(fā)布時間：2022-01-15 07:01

　　當前,隨著工業(yè)生產制造技術與大數(shù)據、云計算、人工智能新一代信息技術的深度融合,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,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)信息安全防護技術發(fā)展較為緩慢,工業(yè)網絡信息安全問題愈發(fā)突出。入侵檢測作為一種可以實時監(jiān)測和保護工業(yè)系統(tǒng)信息安全的技術,受到眾多研究人員的青睞。入侵檢測就是通過對采集到的行為信息進行分析,從而做出該行為是否為入侵行為的判斷,其本質上是一種對分類問題的研究。對分類問題,孿生支持向_一量機（TWSVM）是一種在支持向量機（SVM）基礎上改進的算法,其訓練速度快,泛化性能強,能夠很好地解決分類、回歸等問題。本項研究在仔細研讀了大量文獻資料及相關理論知識的基礎上,構建基于粒子群優(yōu)化（PSO）的TWSVM模型。首先,針對工業(yè)網絡數(shù)據入侵特征值度量單位不同,樣本的特征屬性各異,對工業(yè)網絡數(shù)據進行歸一化;其次,針對工業(yè)網絡數(shù)據維度較高的問題,采用主成分分析（PCA）對工業(yè)網絡數(shù)據進行降維和特征提取;然后,針對單一核函數(shù)的性能不足,構建一種由Gauss核函數(shù)與Sigmoid核函數(shù)組... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

SVM二維平面分類示意圖

第3章基于改進的TWSVM工業(yè)控制系統(tǒng)入侵檢測方法29第3章基于改進的TWSVM工業(yè)控制系統(tǒng)入侵檢測方法2007年，Jayadeva等人改進了支持向量機，得到了孿生支持向量機(TwinSupportVectorMachine，TWSVM)。TWSVM是在SVM基礎上提出來的，借鑒了SVM構建超平面的思想，但是與SVM采用一個超平面不同的是，TWSVM的思想是為正負類型分別構造一個超平面，正類樣本盡可能的接近正類超平面，一定程度的遠離負類超平面[58]。從一個二次規(guī)劃求最優(yōu)解的問題變成求解兩個二次規(guī)劃的問題，該方法可以極大程度地降低模型訓練時間，提高模型訓練和檢測能力。此外，TWSVM的容錯能力優(yōu)秀，訓練速度快，在處理分類的實時性問題更加優(yōu)秀。因此本項研究基于TWSVM，因為這種算法的實際應用的能力和價值更強，更加適用于工業(yè)控制系統(tǒng)入侵檢測。給定兩類維個訓練點，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的目標是在空間中尋找兩個非平行的超平面：112200TTxbxb+=+=··········································(3-1)要求每一個超平面離本類樣本盡可能地近，離他類樣本盡可能的遠，TWSVM示意圖如圖3.1所示。圖3.1孿生支持向量機示意圖

第3章基于改進的TWSVM工業(yè)控制系統(tǒng)入侵檢測方法33圖3.2Gauss核函數(shù)特性曲線2.全局核函數(shù)（1）多項式核函數(shù)全局核函數(shù)的典型代表是多項式核函數(shù)，其函數(shù)表達式為(,)(),0dTijijKxx=xx+r······························(3-23)其中為多項式系數(shù)，為多項式的階數(shù)，由上式可以看出無論樣本點之間距離為多少，都會受到核函數(shù)的影響。相對Gauss核函數(shù)而言，多項式核函數(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時多項式核函數(shù)特性曲線圖，同樣以0.1為測試點，由圖3.3中可以看出，多項式核函數(shù)在所有的點都具有非0值，即這個數(shù)據點對于所有待識別數(shù)據點都有全局性的影響。圖3.3多項式核函數(shù)特性曲線（2）Sigmoid核函數(shù)

【參考文獻】：
期刊論文
[1]基于相關信息熵和CNN-BiLSTM的工業(yè)控制系統(tǒng)入侵檢測[J]. 石樂義,朱紅強,劉祎豪,劉佳.  計算機研究與發(fā)展. 2019(11)
[2]美工控安全檢測工作研究及對我啟示[J]. 張偉,孫磊,劉志堯.  信息記錄材料. 2019(06)
[3]工業(yè)控制網絡入侵檢測的BP神經網絡優(yōu)化方法[J]. 陳萬志,徐東升,張靜.  遼寧工程技術大學學報(自然科學版). 2019(01)
[4]工控網絡異常行為的RST-SVM入侵檢測方法[J]. 朱建軍,安攀峰,萬明.  電子測量與儀器學報. 2018(07)
[5]基于白名單機制的工控分級入侵檢測算法[J]. 嚴彪,尹麗波,應歡,孫玉硯,陳新,孫利民.  通信技術. 2018(04)
[6]特朗普政府執(zhí)政初期美國網絡安全政策新趨勢和啟示[J]. 王超.  網絡空間安全. 2017(Z5)
[7]國家互聯(lián)網信息辦公室發(fā)布《關鍵信息基礎設施安全保護條例(征求意見稿)》[J].   中國信息安全. 2017(08)
[8]基于仿真建模的工業(yè)控制網絡入侵檢測方法研究[J]. 高一為,周�？�,賴英旭,范科峰,姚相振,李琳.  通信學報. 2017(07)
[9]歐盟《網絡與信息系統(tǒng)安全指令》的主要內容與立法啟示——兼評《網絡安全法》相關立法條款[J]. 王肅之.  理論月刊. 2017(06)
[10]工業(yè)控制系統(tǒng)入侵檢測研究綜述[J]. 賴英旭,劉增輝,蔡曉田,楊凱翔.  通信學報. 2017(02)

碩士論文
[1]基于機器學習的可感知序列型工控入侵檢測技術研究[D]. 賈新桐.中國科學院大學(中國科學院沈陽計算技術研究所) 2019
[2]面向網絡入侵檢測的特征選擇方法研究[D]. 任學臻.遼寧師范大學 2019
[3]基于主動學習支持向量機的網絡入侵檢測技術的研究與應用[D]. 余龍華.南京理工大學 2019
[4]基于偏二叉樹雙支持向量機的遙感圖像分類研究與應用[D]. 佟昊.安徽大學 2015



本文編號：3590142