基于优化单类支持向量机的工业控制系统入侵检测算法

被引：19
作者：
尚文利 [1 ]
李琳 [1 ,2 ]
万明 [1 ]
曾鹏 [1 ]
机构：
[1] 中国科学院沈阳自动化研究所
[2] 沈阳理工大学信息科学与工程学院
来源：
信息与控制 | 2015年 / 44卷 / 06期
关键词：
单类支持向量机; 入侵检测; Modbus功能码; 粒子群优化;
D O I：
10.13976/j.cnki.xk.2015.0678
中图分类号：
TP393.08 [];
学科分类号：
0839 ; 1402 ;
摘要：
基于通信行为的异常检测是工业控制系统入侵检测的难点问题.通过利用粒子群优化(particle swarm optimization,PSO)算法对单类支持向量机(one-class support vector machine,OCSVM)算法的参数进行优化,提出一种PSO-OCSVM算法.该算法根据正常的Modbus功能码序列建立正常通信行为的入侵检测模型,识别出异常的Modbus TCP通信流量.通过仿真对比分析,证明PSO-OCSVM算法满足工业控制系统通信异常检测对高效性、可靠性和实时性的需求.
引用
收藏
页码：678 / 684
页数：7
相关论文
共 13 条
  • [1] 基于PSO-SVM的Modbus TCP通讯的异常检测方法
    尚文利
    张盛山
    万明
    曾鹏
    [J]. 电子学报, 2014, 42 (11) : 2314 - 2320
  • [2] 基于SVM的网络入侵检测集成学习算法
    谭爱平
    陈浩
    吴伯桥
    [J]. 计算机科学, 2014, 41 (02) : 197 - 200
  • [3] 基于自学习半监督单类支持向量机的SCADA入侵检测系统
    张云贵
    张伟
    薛向荣
    杨小军
    [J]. 冶金自动化, 2013, 37 (02) : 1 - 5
  • [4] 单类支持向量机的研究进展
    尹传环
    牟少敏
    田盛丰
    黄厚宽
    [J]. 计算机工程与应用, 2012, 48 (12) : 1 - 5+91
  • [5] 基于支持向量的单类分类方法综述
    吴定海
    张培林
    任国全
    陈非
    [J]. 计算机工程, 2011, 37 (05) : 187 - 189
  • [6] 粒子群优化算法研究进展
    倪庆剑
    邢汉承
    张志政
    王蓁蓁
    文巨峰
    [J]. 模式识别与人工智能, 2007, 20 (03) : 349 - 357
  • [7] 基于One-class SVM的实时入侵检测系统
    黄谦
    王震
    韦韬
    陈昱
    [J]. 计算机工程, 2006, (16) : 127 - 129
  • [8] 粒子群优化算法模型分析
    潘峰
    陈杰
    甘明刚
    蔡涛
    涂序彦
    [J]. 自动化学报, 2006, (03) : 368 - 377
  • [9] 基于Modbus/TCP协议的工业控制通信
    司马莉萍
    贺贵明
    陈明榜
    [J]. 计算机应用, 2005, (S1) : 29 - 31
  • [10] 基于SVM技术的入侵检测
    李昆仑
    赵俊忠
    黄厚宽
    田盛丰
    [J]. 信息与控制, 2003, (06) : 495 - 499+506
12