网络物理系统中有限本地信息下的网络攻击检测：一种多节点多类分类集成方法

网络安全漏洞是分布式网络物理系统（CPS）的常见异常。然而，即便使用前沿人工智能（AI）方法，网络安全漏洞分类仍是一个难题。本文研究用于攻击检测的网络安全的多类分类问题。考虑了一种具有挑战性的多节点数据审查情形。在此情形下，各数据中心/节点内数据不可共享且本地数据不完整。特别地，本地节点仅包含多类中的一部分。为在不跨节点共享原始数据的情况下训练全局多类分类器，我们研究的主要成果是设计了一种多节点多类分类集成方法。通过收集各本地节点的二分类器估计参数与数据密度，补全每个本地节点的缺失信息以构建全局多类分类器。数值实验验证了所提方法在多节点数据审查情形下的有效性。在此情形下，我们甚至展示了所提方法优于全数据方法。