基于深度学习算法的全能SCADA入侵检测
系统与控制
2019-08-07 v1 系统与控制
摘要
我们研究基于深度学习的全能入侵检测系统（IDS），用于监控与数据采集（SCADA）网络，能够检测时间上不相关与相关的攻击。就本文所开发的 IDS 而言，前馈神经网络（FNN）能以 {F} 为 {99.9670.005\%} 检测时间不相关攻击，而对相关攻击的检测率低至 {582\%}。相比之下，长短期记忆（LSTM）以 {99.560.01\%} 检测相关攻击，而以 {99.30.1\%} 检测不相关攻击。通过集成方法结合 LSTM 与 FNN 进一步提升了 IDS 性能，{F} 达 {99.680.04\%}，且与数据包间的时间相关性无关。
引用
@article{arxiv.1908.01974,
title = {Omni SCADA Intrusion Detection Using Deep Learning Algorithms},
author = {Jun Gao and Luyun Gan and Fabiola Buschendorf and Liao Zhang and Hua Liu and Peixue Li and Xiaodai Dong and Tao Lu},
journal= {arXiv preprint arXiv:1908.01974},
year = {2019}
}