10.3969/j.issn.1671-1122.2022.08.010
基于GAN-Cross的工控系统类不平衡数据异常检测
工业控制系统异常检测存在类不平衡问题,导致通用分类器很难实现异常数据的精准识别.目前,针对类不平衡数据,常用采样方法实现各类数据的平衡,以提高分类器性能.但传统采样方法对数据集特征敏感,采样效果稳定性差,异常检测精度波动大.文章基于生成式对抗网络(Generative Adversarial Network,GAN),提出一种GAN-Cross采样模型,该模型可以学习目标数据的概率分布,并生成相似概率分布的数据,从而改善数据的平衡性.同时,文章在生成器和判别器中增加了交叉层,从而更好地实现特征提取.最后文章将该模型与随机森林、K-近邻、高斯朴素贝叶斯和支持向量机4种经典分类器进行组合,在4个公开类不平衡数据集上与其他4种常规采样方法进行比较.实验结果表明,与传统采样方法相比,该模型能够显著提高分类器对类不平衡数据的异常检测能力.
工业控制系统、类不平衡数据、生成式对抗网络、采样方法、异常检测
TP309(计算技术、计算机技术)
国家自然科学基金;民航安全能力建设基金;民航安全能力建设基金;民航安全能力建设基金
2022-09-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
81-89