面向工业控制系统异常检测的两阶段双重 COPOD 方法
机器学习
2023-05-03 v1 人工智能
系统与控制
系统与控制
摘要
水处理设施和发电厂等关键基础设施依赖工业控制系统（ICS）进行监测与控制，这使其易受网络攻击与系统故障的影响。传统的 ICS 异常检测方法缺乏透明性与可解释性，导致从业者难以理解并信任其结果。本文提出一种两阶段基于 Copula 的异常检测（COPOD）方法以应对这些挑战。第一阶段使用经验累积分布算法剔除不需要的离群点，第二阶段基于第一阶段的输出数据构建两个并行的 COPOD 模型。该方法基于经验分布函数、无需参数，并通过量化各特征对异常的贡献提供可解释性。该方法在计算与内存上亦高效，适用于低维与高维数据集。实验结果表明，在三个开源 ICS 数据集上，该方法在 F1-score 与召回率方面表现更优，可实现实时 ICS 异常检测。
引用
@article{arxiv.2305.00982,
title = {Two-phase Dual COPOD Method for Anomaly Detection in Industrial Control System},
author = {Emmanuel Aboah Boateng and Jerry Bruce},
journal= {arXiv preprint arXiv:2305.00982},
year = {2023}
}
备注
11 pages, 9 figures, journal article