-
公开(公告)号：CN113159181A
公开(公告)日：2021-07-23
申请号：CN202110438900.4
申请日：2021-04-23
Applicant: 湖南大学
Abstract: 本发明公开了一种工业控制网络下基于改进的环形多粒度扫描深度森林的异常检测方法，具体包括：采用Z‑score方法对构建的训练集样本进行归一化处理，将特征数据映射到[‑1，1]区间；采用主成分分析法对样本特征集合进行特征降维，生成特征两两不相关的新特征向量集；将降维后的特征向量集经过环形多粒度扫描结构，生成每个样本的特征子向量；将特征子向量集分别输入到半随机森林和完全随机森林中，生成对应的类特征向量，并组合成新的类特征向量作为级联森林的特征输入；将生成的类特征向量集合输入至多元化级联森林结构中，迭代至收敛，并生成最终的类特征向量。本发明能解决现有方法对工业控制系统网络异常行为检测率低、泛化性弱等问题。
-
公开(公告)号：CN113159181B
公开(公告)日：2022-06-10
申请号：CN202110438900.4
申请日：2021-04-23
Applicant: 湖南大学
Abstract: 本发明公开了一种工业控制网络下基于改进的环形多粒度扫描深度森林的异常检测方法，具体包括：采用Z‑score方法对构建的训练集样本进行归一化处理，将特征数据映射到[‑1，1]区间；采用主成分分析法对样本特征集合进行特征降维，生成特征两两不相关的新特征向量集；将降维后的特征向量集经过环形多粒度扫描结构，生成每个样本的特征子向量；将特征子向量集分别输入到半随机森林和完全随机森林中，生成对应的类特征向量，并组合成新的类特征向量作为级联森林的特征输入；将生成的类特征向量集合输入至多元化级联森林结构中，迭代至收敛，并生成最终的类特征向量。本发明能解决现有方法对工业控制系统网络异常行为检测率低、泛化性弱等问题。
-
公开(公告)号：CN110147678A
公开(公告)日：2019-08-20
申请号：CN201910421596.5
申请日：2019-05-21
Applicant: 湖南大学
Abstract: 本发明属于信息安全领域，并公开了一种用于工控系统的数据加密方法，包括步骤：通过选取特定的属性信息作为初始向量，利用矩阵加密算法对处理后的初始向量进行加密生成AES初始密钥，然后对所述AES初始密钥进行多轮迭代密钥扩展，得到AES加密密钥，最后利用所述的AES加密密钥通过AES加密算法对待加密的密码信息进行加密，得到最终的加密密文，系统再通过该加密密文执行文件挂载，查看或者操作文件信息。本发明根据工业控制系统的特殊执行环境以及硬件的更新周期稳定性，选取了工控系统计算机中特定属性进一步提高的密码的复杂性，使密码不容易被强行破解，从而提升了系统中数据的安全性。
-
公开(公告)号：CN110147678B
公开(公告)日：2020-10-27
申请号：CN201910421596.5
申请日：2019-05-21
Applicant: 湖南大学
Abstract: 本发明属于信息安全领域，并公开了一种用于工控系统的数据加密方法，包括步骤：通过选取特定的属性信息作为初始向量，利用矩阵加密算法对处理后的初始向量进行加密生成AES初始密钥，然后对所述AES初始密钥进行多轮迭代密钥扩展，得到AES加密密钥，最后利用所述的AES加密密钥通过AES加密算法对待加密的密码信息进行加密，得到最终的加密密文，系统再通过该加密密文执行文件挂载，查看或者操作文件信息。本发明根据工业控制系统的特殊执行环境以及硬件的更新周期稳定性，选取了工控系统计算机中特定属性进一步提高的密码的复杂性，使密码不容易被强行破解，从而提升了系统中数据的安全性。
-
-
-
Search Results
4
records
(took 0.024 seconds)
