检索结果-内蒙古大学图书馆

沈阳工业大学学报 2025年第1期47卷 98-105页

作者：连莲王文诚宗学军何戡沈阳化工大学信息工程学院辽宁沈阳110142 沈阳化工大学辽宁省石油化工行业信息安全重点实验室辽宁沈阳110142

【目的】工业互联网是国家关键基础设施的重要组成部分,其安全性直接关系到国家安全、经济稳定和社会秩序。随着工业互联网的广泛应用,工业控制系统的网络攻击频发,造成了严重的经济损失和社会影响,因此,开发高效的实时入侵检测系统显... 详细信息

【目的】工业互联网是国家关键基础设施的重要组成部分,其安全性直接关系到国家安全、经济稳定和社会秩序。随着工业互联网的广泛应用,工业控制系统的网络攻击频发,造成了严重的经济损失和社会影响,因此,开发高效的实时入侵检测系统显得尤为重要。传统的入侵检测系统在处理高维度网络流量数据时,往往难以有效区分正常流量和异常流量,尤其是在缺乏异常流量样本的情况下。【方法】为了解决该问题,本研究通过分析某油气集输管线工业控制系统真实网络流量特性,提出了一种结合Suricata的滑动窗口密度聚类工业网络实时异常检测方法。该方法针对工业网络流量特性,利用Suricata的开源性、可扩展性以及滑动窗密度聚类算法的动态检测能力,建立从流量采集解析到实时入侵检测的全过程入侵检测模型。本研究通过分析真实工业控制系统环境中的网络流量特性发现工业网络流量存在一定的周期性,利用基尼系数选取能体现工业网络流量特性混杂程度的特征,实现对工业网络流量降维处理,对降维后的数据使用滑动窗口分组构建工业网络正常流量特征阈值。利用改写Suricata实现实时流量采集与解析,并将实时解析结果输入到所构建的滑动窗口密度聚类入侵检测算法中,通过与工业网络正常流量特征阈值进行对比,快速筛选绝对正常流量组和绝对异常流量组。针对正常流量与异常流量掺杂的组别,通过密度聚类算法将异常流量分离,完成异常流量检测。【结果】将入侵检测方法在油气集输全流程工业场景攻防靶场中应用并开展大量实验,该方法能够有效识别异常流量,检测率达到96%以上,误报率低于3%。所提出的方法可以满足工业网络中异常流量检测高效性、可靠性和实时性需求。【结论】本研究的创新之处在于提供了一种新的工业网络异常流量检测方法,结合Suricata和滑动窗口密度聚类算法,建立了从流量采集解析到实时入侵检测的全过程入侵检测模型,对工业互联网安全防护具有重要的实践价值,为工业网络实时入侵检测提供一种新的研究思路。

关键词：工业网络网络安全流量解析特征分析基尼系数机器学习密度聚类算法入侵检测

来源：评论

学校读者我要写书评

暂无评论

Transformer融合CNN-SRU的工业控制网络入侵检测方法

引用

重庆理工大学学报(自然科学) 2025年第3期39卷 85-92页

作者：史长鑫宗学军何戡连莲孙逸菲沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142

针对工业控制网络入侵检测的现有方法只关注网络流量的局部特征或全局特征,以及网络流量数据分布不平衡导致入侵检测模型准确率低的问题,提出一种Transformer融合卷积神经网络-简单循环单元(CNN-SRU)的工业控制网络入侵检测方法。采用... 详细信息

针对工业控制网络入侵检测的现有方法只关注网络流量的局部特征或全局特征,以及网络流量数据分布不平衡导致入侵检测模型准确率低的问题,提出一种Transformer融合卷积神经网络-简单循环单元(CNN-SRU)的工业控制网络入侵检测方法。采用自适应合成采样方法(ADASYN)和高斯混合模型(GMM)对少数类样本进行过采样,达到样本平衡。通过CNN-SRU捕获网络流量数据的时空局部特征,Transformer编码器部分捕捉全局联系进行深层次特征提取。在NSL_KDD数据集上进行实验,模型的总体准确率达到99.61%,高于对比的神经网络模型。在密西西比州立大学天然气管道控制系统数据集和本实验室油气集输全流程工业攻防靶场上进行实验,总体准确率分别达到98.58%和96.89%,证明了所提方法在工业控制网络入侵检测中的科学性与可行性。

关键词：工业控制网络入侵检测 Transformer 卷积神经网络简单循环单元

来源：评论

学校读者我要写书评

暂无评论

TDRFuzzer:基于自适应动态区间策略的工业控制协议模糊测试方法

引用

计算机应用 2025年

作者：宗学军韩冰王国刚宁博伟何戡连莲沈阳化工大学信息工程学院辽宁省石油化工行业信息安全重点实验室(沈阳化工大学) 沈阳工业大学人工智能学院

针对模糊测试在工业控制协议应用中存在测试用例接受率(TCAR)低、多样性不足等问题，提出一种基于自适应动态区间策略的工业控制协议模糊测试方法。该方法将循环神经网络(RNN)加入Transformer的自注意力(Self-Attention)机制，构建协议... 详细信息

针对模糊测试在工业控制协议应用中存在测试用例接受率(TCAR)低、多样性不足等问题，提出一种基于自适应动态区间策略的工业控制协议模糊测试方法。该方法将循环神经网络(RNN)加入Transformer的自注意力(Self-Attention)机制，构建协议特征提取模型，RNN通过滑动窗口提取数据的局部特征，输入自注意力机制进行全局特征提取，保证测试用例的接受率。注意力块间添加残差连接传递权重分数，提高计算效率。生成过程定义动态区间策略，调节模型在任意时间步的采样范围，增加测试用例的多样性。测试过程中构建字段自适应重要性函数，定位变异关键字段。基于上述方法，设计了模糊测试框架TDRFuzzer，采用ModbusTCP、S7comm和Ethernet/IP3种工业协议进行实验评估：相较于GANFuzzer、WGANFuzzer、PeachFuzzer 3种模型，TDRFuzzer模糊测试框架的TCAR指标显著提高，且漏洞检测率(VDR)分别提高了0.073、0.035、0.150个百分点。表明TDRFuzzer具备更强的工控协议漏洞挖掘能力。

关键词：模糊测试工业控制协议漏洞挖掘 Transformer 循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多尺度潜在特征表示的工业控制协议模糊测试方法

引用

计算机应用研究 2025年第2期42卷 545-554页

作者：连莲孙世明王国刚宁博伟何戡孙逸菲宗学军沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142 沈阳工业大学人工智能学院沈阳110870

工业控制协议(ICP)由于缺乏认证、授权和加密等安全措施,存在大量漏洞,对工业控制系统(ICS)的安全构成重大威胁。模糊测试作为一种主流的漏洞挖掘技术,在ICP中的应用存在测试用例接收率低和多样性不足的问题。为了解决这些问题,提高ICP... 详细信息

工业控制协议(ICP)由于缺乏认证、授权和加密等安全措施,存在大量漏洞,对工业控制系统(ICS)的安全构成重大威胁。模糊测试作为一种主流的漏洞挖掘技术,在ICP中的应用存在测试用例接收率低和多样性不足的问题。为了解决这些问题,提高ICP漏洞挖掘效率,提出了基于多尺度潜在特征表示(multi-scale latent feature representation)的工业控制协议模糊测试方法。该方法将Transformer与生成对抗网络(GAN)在潜在空间中相结合,使用Transformer获取协议报文潜在特征的向量表示,并通过一个动态的多尺度判别器捕捉潜在表示序列中ICP不同尺度的语义信息,融合局部字段特征和全局语义特征,提升测试用例的接收率。此外,引入自对抗学习策略对生成对抗网络进行训练,降低潜在特征表示的冗余,增加测试用例的多样性。基于上述方法,设计了一个通用的ICP模糊测试框架MLFRFuzzer,采用S7comm、Ethernet/IP和Modbus/TCP三种ICP对其性能进行评估,实验结果表明MLFRFuzzer生成的测试用例接收率更高并且更具多样性,异常触发率相较于DCGANFuzzer、WGANFuzzer和PeachFuzzer分别提高23.76%、44.07%和71.96%,验证了MLFRFuzzer的有效性与普适性,与传统的ICP模糊测试方法相比,具有更强的漏洞挖掘能力。

关键词：工业控制协议潜在特征表示动态多尺度判别器 Transformer 自对抗学习模糊测试漏洞挖掘

来源：评论

学校读者我要写书评

暂无评论

基于CVAE⁃CatBoost的工业控制网络异常流量检测研究

引用

计算机工程 2023年第5期49卷 173-180页

作者：张子宣宗学军何戡连莲沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142

为解决工业控制网络异常流量检测中存在的数据分布不均衡、现有模型检测率低的问题,提出一种基于条件变分自编码器(CVAE)和CatBoost算法的异常流量检测模型。CVAE引入标签信息作为约束条件,控制生成样本的类别。CatBoost算法通过引入无... 详细信息

为解决工业控制网络异常流量检测中存在的数据分布不均衡、现有模型检测率低的问题,提出一种基于条件变分自编码器(CVAE)和CatBoost算法的异常流量检测模型。CVAE引入标签信息作为约束条件,控制生成样本的类别。CatBoost算法通过引入无偏估计克服梯度偏差,提高预测的准确性,同时采用多种树的生长方式降低过拟合的风险。使用CVAE进行数据增强,扩充稀有攻击样本,构建分布均匀的平衡数据集。将CatBoost算法作为异常流量检测模型,对Dos、Fuzzers等攻击样本进行精确识别并输出分类结果。实验结果表明:在UNSW-NB15数据集上,利用CVAE进行数据增强后,CatBoost算法对少数类样本的F1值平均提升了25.16个百分点,整体精确率、召回率和F1值分别达到87.85%、87.87%和87.86%;在ZYELL_NCTU NetTraffic_1.0数据集上,利用CVAE进行数据增强后,CatBoost算法对少数类样本的F1值平均提升了16.32%,整体精确率、召回率和F1值均达到99.85%。该模型能够有效避免数据不均衡问题,相较K近邻、随机森林、卷积神经网络等机器学习和深度学习算法具有更好的检测性能和泛化能力。

关键词：工业控制网络异常检测数据不平衡条件变分自编码器 CatBoost算法

来源：评论

学校读者我要写书评

暂无评论

优化随机森林模型的工控网络异常检测

引用

沈阳工业大学学报 2024年第2期46卷 197-205页

作者：宗学军王润鹏何戡连莲沈阳化工大学信息工程学院辽宁沈阳110142 沈阳化工大学辽宁省石油化工行业信息安全重点实验室辽宁沈阳110142

针对现有Modbus TCP协议的异常检测效率和准确率低的问题,提出了一种基于混合鲸鱼算法优化的随机森林异常检测模型。该模型将柯西变异和自适应动态惯性权重相结合,利用柯西变异算子增加种群多样性,避免算法陷入局部最优;引用自适应动态... 详细信息

针对现有Modbus TCP协议的异常检测效率和准确率低的问题,提出了一种基于混合鲸鱼算法优化的随机森林异常检测模型。该模型将柯西变异和自适应动态惯性权重相结合,利用柯西变异算子增加种群多样性,避免算法陷入局部最优;引用自适应动态惯性权重因子提高种群的全局搜索能力,使算法的收敛速度加快。仿真实验结果表明,该模型相较于其他分类算法有着更高的准确率和较强的适应性,证明了模型在实际应用中具有较高的检测精度。

关键词：工控网络异常检测工业协议鲸鱼算法随机森林混沌映射柯西变异自适应权重

来源：评论

学校读者我要写书评

暂无评论

面向网络安全不平衡数据的特征学习和分类研究应用

引用

科学技术与工程 2023年第3期23卷 1130-1137页

作者：韩凤董宗学军何戡连莲沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142

网络数据的正确分类对于网络环境的监控和维护具有重要作用。在数据不平衡状态下解决数据分类和处理复杂的特征关系尤为重要,为此提出一种改进SMOTE(synthetic minority over-sampling technique)+GA-XGBoost(genetic algorithm-extreme... 详细信息

网络数据的正确分类对于网络环境的监控和维护具有重要作用。在数据不平衡状态下解决数据分类和处理复杂的特征关系尤为重要,为此提出一种改进SMOTE(synthetic minority over-sampling technique)+GA-XGBoost(genetic algorithm-extreme gradient boosting)的机器学习分类方法。将局部离群因子引入SMOTE插值过程,对少数类样本过采样,并对多数类样本随机欠采样,从而实现样本再平衡;同时,在模型训练过程中为增加模型拟合度,将具有进化迭代优势的遗传算法与XGBoost相结合,解决XGBoost参数众多、特征学习收敛较慢等问题。实验采用UNSW_NB15数据集,选择多层感知机、K近邻、决策树等机器学习算法及SMOTE+XGBoost等不平衡数据训练方法进行试验对比,结果表明该方法具有较好的分类预测准确率(97.40%)及较高的平均召回率(70.2%)和平均F1-score(68.8%)。并在本实验室工业信息安全平台采集的数据进行实验研究,分类准确率为99%,进一步验证了该方法的有效性和可行性。

关键词：网络安全机器学习改进SMOTE 遗传算法 XGBoost

来源：评论

学校读者我要写书评

暂无评论

基于改进胶囊网络的过程控制攻击检测方法

引用

科学技术与工程 2023年第12期23卷 5170-5175页

作者：袁野宗学军何戡连莲沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142

为解决传统入侵检测算法无法准确识别过程控制攻击的问题,提出一种基于改进胶囊网络的过程控制攻击检测方法。该算法利用多层卷积在提取复杂输入特征方面的优势,将原始流量转化为灰度图像进行初级特征提取;同时引入残差连接以解决梯度... 详细信息

为解决传统入侵检测算法无法准确识别过程控制攻击的问题,提出一种基于改进胶囊网络的过程控制攻击检测方法。该算法利用多层卷积在提取复杂输入特征方面的优势,将原始流量转化为灰度图像进行初级特征提取;同时引入残差连接以解决梯度消失问题,利用胶囊网络特有的动态路由机制对初级特征进行聚类。使用2017 QUT_S7comm数据集进行实验。结果表明:所提方法在测试集上的准确率可达94.64%,在验证集上对各类攻击的识别准确率均在90%以上,实验证明所提方法可以有效预防针对工控系统的过程控制攻击。

关键词：过程控制攻击胶囊网络卷积网络残差连接动态路由

来源：评论

学校读者我要写书评

暂无评论

面向工业控制网络的入侵检测方法研究

引用

重庆理工大学学报（自然科学） 2023年第7期37卷 208-216页

作者：宗学军郭鑫何戡连莲沈阳化工大学信息工程学院沈阳110142 辽宁省石油化工行业信息安全重点实验室沈阳110142

针对目前工控网络环境存在的数据种类分布不均衡,维度较高等问题,采用生成式对抗网络(ACGAN)数据增强方法对数据集进行数据增强,并采用卷积神经网络(CNN)与极限学习机(ELM)混合模型对数据集进行特征提取和分类。通过NSL-KDD数据集进行... 详细信息

针对目前工控网络环境存在的数据种类分布不均衡,维度较高等问题,采用生成式对抗网络(ACGAN)数据增强方法对数据集进行数据增强,并采用卷积神经网络(CNN)与极限学习机(ELM)混合模型对数据集进行特征提取和分类。通过NSL-KDD数据集进行仿真实验,该混合模型的准确率达到99.26%,漏报率低于0.625%,均优于传统的机器学习算法。同时采用密西西比州立大学天然气管道数据集进行实验仿真,准确率达到99.18%,漏报率低于0.621%。该模型在复杂的工控环境下同样适用,拓宽了工业入侵检测的研究思路。

关键词：工控网络生成式对抗网络卷积神经网络极限学习机入侵检测

来源：评论

学校读者我要写书评

暂无评论

基于VAE和DLIESN的工控系统入侵检测方法

引用

计算机工程与设计 2023年第11期44卷 3283-3289页

作者：曹春明何戡宗学军连莲沈阳化工大学信息工程学院辽宁沈阳110142 沈阳化工大学辽宁省石油化工行业信息安全重点实验室辽宁沈阳110142

针对现有工控系统入侵检测方法训练复杂,且对攻击样本检测率低的问题,提出一种基于变分自编码器(VAE)和深度漏积回声状态网络(DLIESN)的入侵检测方法。使用VAE对数据集中的罕见攻击类样本进行扩充,平衡样本分布;构建DLIESN分类器,其层... 详细信息

针对现有工控系统入侵检测方法训练复杂,且对攻击样本检测率低的问题,提出一种基于变分自编码器(VAE)和深度漏积回声状态网络(DLIESN)的入侵检测方法。使用VAE对数据集中的罕见攻击类样本进行扩充,平衡样本分布;构建DLIESN分类器,其层次化的储备池结构设计使模型获得更好的动态特性,提升分类精度。通过生成数据评价实验验证了VAE生成样本的有效性,确定适合DLIESN的网络结构,分析不同漏积参数对DLIESN模型性能的影响。对比实验结果表明,DLIESN取得了最短训练耗时,其检测性较优。

关键词：回声状态网络变分自编码器入侵检测深度学习数据增强工业控制系统样本均衡化策略

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：