基于聚类的跨域工业控制系统入侵检测
机器学习
2026-04-15 v1 人工智能
密码学与安全
摘要
工业控制系统在动态环境中运行， Traffic 分布在不同情景之间变化，标注样本有限，未知攻击频繁出现，给跨域入侵检测提出了重大挑战。为此，本文提出一种基于聚类增强的跨域工业控制流量域适应方法。该框架包含两个关键组件。首先，基于谱变换的特征对齐和迭代减少分布差异的特征迁移模块，将源域和目标域投影到共享的潜子子空间，实现准确的跨域检测。其次，聚类增强策略将K-Medoids聚类与PCA基于维度约简结合，以提高跨域相关性估计，并减少由于手动参数调优导致的性能下降。实验结果表明，所提方法显著改善了未知攻击检测。与五个基线模型相比，检测准确率提高了最高可达49%，F值提升幅度更大，稳定性更强。而且，聚类增强策略在代表性任务上进一步将检测准确率提高最高可达26%。这些结果表明，所提方法有效缓解了数据稀缺和域迁移问题，为动态工业环境中的鲁棒跨域入侵检测提供了实用解决方案。
引用
@article{arxiv.2604.12183,
title = {Clustering-Enhanced Domain Adaptation for Cross-Domain Intrusion Detection in Industrial Control Systems},
author = {Luyao Wang},
journal= {arXiv preprint arXiv:2604.12183},
year = {2026}
}