使用无监督机器学习的水处理系统异常检测
机器学习
2017-12-25 v2
摘要
在本文中，我们提出并评估了将无监督机器学习应用于信息物理系统异常检测的方法。我们比较了两种方法：适应于 CPS 生成的时序数据的深度神经网络和单类支持向量机。这些方法针对来自安全水处理测试平台的数据进行了评估，该测试平台是一个缩小规模但完全具备操作功能的原水净化工厂。对于这两种方法，我们首先使用 SWaT 在正常条件下运行生成的日志来训练检测器。然后，我们使用 SWaT 在 36 种不同攻击场景下运行生成的日志来评估这两种方法的性能。我们发现，与单类 SVM 相比，我们的 DNN 产生的误报更少，而我们的 SVM 检测到的异常略多。总体而言，我们的 DNN 的 F 度量略优于我们的 SVM。我们讨论了本实验中使用的 DNN 和单类 SVM 的特性，并比较了这两种方法的优缺点。
引用
@article{arxiv.1709.05342,
title = {Anomaly Detection for a Water Treatment System Using Unsupervised Machine Learning},
author = {Jun Inoue and Yoriyuki Yamagata and Yuqi Chen and Christopher M. Poskitt and Jun Sun},
journal= {arXiv preprint arXiv:1709.05342},
year = {2017}
}