面向工藝數(shù)據(jù)分析的流程工業(yè)入侵檢測及攻擊定位

打開文本圖片集

摘  要： 為解決攻擊者利用流程工業(yè)生產(chǎn)中深度耦合的工序參數(shù)進行生產(chǎn)過程攻擊的問題，提出一種基于SSA?LSTM的深度學習算法，對工藝數(shù)據(jù)進行異常檢測。通過麻雀優(yōu)化算法優(yōu)化LSTM神經(jīng)網(wǎng)絡的迭代次數(shù)、學習率和隱藏層節(jié)點數(shù)三個超參數(shù)，實現(xiàn)對工藝數(shù)據(jù)的準確預測。將預測數(shù)據(jù)與真實數(shù)據(jù)進行對比，超出閾值的點定義為異常點，再運用Petri網(wǎng)理論對生產(chǎn)工藝參數(shù)間的耦合關(guān)系進行建模，確定異常點與入侵點之間的因果關(guān)系，為預測結(jié)果提供理論支撐。（剩余12129字）