基于RNN的田纳西伊士曼过程早期网络攻击检测
密码学与安全
2017-09-08 v1 机器学习
摘要
基于RNN的预测方法用于早期检测来自模拟的田纳西伊士曼过程（TEP）的工业多变量时间序列数据中的异常，该过程包含多种网络攻击。这项工作延续了先前提出的基于LSTM的简单数据故障检测方法。认为有必要调整RNN网络以处理包含随机、平稳、传递性和丰富异常行为的数据。特别关注使用特殊NAB度量进行早期检测。提供了与DPCA方法的比较。生成的数据集已公开可用。
引用
@article{arxiv.1709.02232,
title = {RNN-based Early Cyber-Attack Detection for the Tennessee Eastman Process},
author = {Pavel Filonov and Fedor Kitashov and Andrey Lavrentyev},
journal= {arXiv preprint arXiv:1709.02232},
year = {2017}
}
备注
ICML 2017 Time Series Workshop, Sydney, Australia, 2017