公开(公告)号：CN112433518B

公开(公告)日：2022-02-11

申请号：CN202011122498.0

申请日：2020-10-20

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 李喜旺 ,  丁晓倩 ,  向勇 ,  王威 ,  王群 ,  蔡明 ,  丁超

IPC: G05B23/02

Abstract: 本发明涉及一种基于循环神经网络的工业控制系统入侵检测方法。该方法通过采取工业控制系统现场控制网络中特定大时间尺度下的正常历史数据，对通信数据进行协议解析得到通信过程中的数据包，针对数据包特征细化分析，通过降维得到每一个数据包的有效特征集；利用自然语言处理获得其向量表示，进一步获得当前时间尺度下的系统正常历史通信数据库；输入到循环神经网络预测模型中，学习正常通信行为的序列特征，最终通过概率分析得到具体的工业控制系统通信数据包是正常与否。本发明利用概率主成分分析方法充分挖掘每一个数据包的有效信息，提高了模型的训练速度；并通过循环神经网络模型融合贝叶斯公式，有效提高了入侵检测的准确率，降低了误报率。

公开(公告)号：CN112433518A

公开(公告)日：2021-03-02

申请号：CN202011122498.0

申请日：2020-10-20

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 李喜旺 ,  丁晓倩 ,  向勇 ,  王威 ,  王群 ,  蔡明 ,  丁超

IPC: G05B23/02

Abstract: 本发明涉及一种基于循环神经网络的工业控制系统入侵检测方法。该方法通过采取工业控制系统现场控制网络中特定大时间尺度下的正常历史数据，对通信数据进行协议解析得到通信过程中的数据包，针对数据包特征细化分析，通过降维得到每一个数据包的有效特征集；利用自然语言处理获得其向量表示，进一步获得当前时间尺度下的系统正常历史通信数据库；输入到循环神经网络预测模型中，学习正常通信行为的序列特征，最终通过概率分析得到具体的工业控制系统通信数据包是正常与否。本发明利用概率主成分分析方法充分挖掘每一个数据包的有效信息，提高了模型的训练速度；并通过循环神经网络模型融合贝叶斯公式，有效提高了入侵检测的准确率，降低了误报率。