10.3969/j.issn.1009-0134.2020.06.037
面向工业云平台的入侵检测技术研究
针对工业云平台可能面临的大规模网络入侵问题,分别从工业云平台中中云计算环境与工业控制系统两方面分析目前面临的网络安全问题,总结当前入侵特征检测与算法设计在工业控制系统与云环境下的研究工作,简析入侵检测算法对于工业云平台的重要性,采用一维多层卷积神经网络模型做为特征检测算法核心,自动提取入侵访问样本特征,且保证样本特征具有有效性,使用多层卷积层与池化层对入侵数据降维,提高模型对于入侵特征检测效率.在NSL-KDD数据集上训练与测试,结果表明与多种机器学习方法相比具有更高的准确率,准确率可达到99.32%,在模拟云环境中分布式运算速度远远快于单机环境下运行,证明了其在工业云平台中具有较高的应有价值.
入侵检测、卷积神经网络、工业云平台
42
TP393(计算技术、计算机技术)
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
153-156