一种用于工业控制系统异常检测的基于注意力的深度生成模型
机器学习
2024-05-10 v1
摘要
异常检测对于工业控制系统的安全可靠运行至关重要。随着我们对此类复杂信息物理系统依赖性的增长，拥有用于检测异常、防范攻击并作出智能响应的自动化方法变得至关重要。本文提出了一种新颖的深度生成模型来满足这一需求。所提出的模型采用变分自编码器架构，配有卷积编码器和解码器，以从空间和时间维度提取特征。此外，我们引入了注意力机制，将焦点引导至特定区域，增强了相关特征的表示并提高了异常检测的准确率。我们还采用了一种利用重构概率的动态阈值方法，并公开了我们的源代码以促进可复现性并推动进一步研究。在安全水处理（SWaT）测试平台所有六个阶段的数据上进行了全面的实验分析，实验结果表明，与几种最先进的基线技术相比，我们的方法具有优越的性能。
引用
@article{arxiv.2405.05277,
title = {An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems},
author = {Mayra Macas and Chunming Wu and Walter Fuertes},
journal= {arXiv preprint arXiv:2405.05277},
year = {2024}
}