公开(公告)号：CN115941289A

公开(公告)日：2023-04-07

申请号：CN202211428916.8

申请日：2022-11-15

申请人： 沈阳化工大学

发明人： 王军 ,  周思宇 ,  王志明 ,  王华琳

IPC分类号： H04L9/40 ,  H04L41/14 ,  H04L41/142 ,  G06N3/0464 ,  G06N3/08

摘要： 一种基于工控网络的入侵检测方法，涉及一种工业网络检测方法，本发明设计了Fedformer入侵检测模型，该模型首先引入了联邦学习框架，使得分散的工业物联网设备能够协同训练入侵检测模型，其次利用自注意力机制嵌合卷积神经网络（CNN）以及门控循环单元（GRU），使得训练在更关注数据内部相关性、降低对高特征数据依赖的同时提高工业数据环境下的模型性能。

公开(公告)号：CN117768152A

公开(公告)日：2024-03-26

申请号：CN202311543543.3

申请日：2023-11-20

申请人： 沈阳化工大学

发明人： 王军 ,  王洪斌 ,  李国寰 ,  陈锦煜 ,  周思宇 ,  果麾座

IPC分类号： H04L9/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/098 ,  H04L41/16 ,  H04L41/14 ,  G16Y40/10 ,  G16Y40/50

摘要： 一种基于联邦学习和自注意力的工业物联网入侵检测方法，涉及一种物联网入侵检测方法，本发明模型引入并优化Transformer网络模型的编码器结构并嵌合卷积神经网络和门控循环单元，利用注意力机制为工业物联网构建了入侵检测模型；其次将检测模型融合联邦学习框架，允许多个工业物联网共同构建一个全面的入侵检测模型。模型在两个不同的数据集上分别进行验证，实验证明在保护本地数据隐私的前提下，本模型可以提高对工业物联网网络攻击的检测准确率并降低误报率。同时通过注意力机制使模型更关注内部数据的相关性，在保障多方数据安全的前提下达到了提高检测精度、降低误报的目的。提高工业物联网网络环境下入侵检测系统的整体性能。