基于深度学习的工业物联网智能入侵检测方法研究

发布时间：2023-04-01 15:20

　　随着“互联网+”的快速发展和新一代信息基础设施的建设,工业物联网入侵行为愈见普遍,如何确保工业物联网安全是当前研究热点之一。入侵检测系统在预防工业物联网安全威胁和保护其免受攻击方面发挥着重要作用。随着未知攻击不断涌现以及样本数据分布不平衡,传统入侵检测算法不能充分挖掘工业物联网中行为特征信息,基于深度学习的智能算法为该问题的解决提供了新途径。本文综合分析深度学习和工业物联网入侵检测,针对现有入侵检测特征模糊、检测效率低、误报率高、泛化能力差等问题。利用深度学习强大的数据处理能力和特征学习能力,对基于深度学习的工业物联网入侵检测方法进行深入研究,开展的主要工作和贡献如下:首先,研究基于卷积神经网络的工业物联网入侵检测算法,将入侵检测等效为图像分类问题,首先将网络连接一维数据转化为二维数据;然后构建在Lenet-5模型改进上的Lenet-7网络结构,该结构使用双卷积和单池化对数据进行降维和特征提取,并引入Relu非线性激活函数,加快网络收敛速度,且该模型引入Dropout方法防止网络过拟合。其次,将多尺度Inception结构引入卷积神经网络,通过加深加宽网络和优化训练损失,加强特征提取能...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 工业物联网安全的研究现状
        1.2.2 工业物联网入侵检测研究现状
    1.3 当前存在的主要问题
    1.4 主要研究内容
    1.5 论文组织架构
第2章 工业物联网安全相关知识
    2.1 工业物联网概述
        2.1.1 工业物联网介绍
        2.1.2 工业物联网体系架构
    2.2 工业物联网安全分析
        2.2.1 工业物联网安全威胁
        2.2.2 工业物联网入侵检测要求
    2.3 工业物联网入侵检测技术
        2.3.1 工业物联网入侵检测模型架构
        2.3.2 工业物联网入侵检测基本类型
        2.3.3 典型的工业物联网入侵检测方法
    2.4 本章小结
第3章 基于卷积神经网络工业物联网入侵检测
    3.1 工业物联网入侵检测模型框架
    3.2 基于Lenet-5工业物联网入侵检测模型
    3.3 改进Lenet-5入侵检测模型
        3.3.1 Lenet-5工业物联网入侵检测模型的不足
        3.3.2 改进Lenet-5工业物联网入侵检测模型
    3.4 实验数据集及预处理
        3.4.1 数据集分析
        3.4.2 数据预处理
    3.5 本章小结
第4章 基于Inception-CNN工业物联网入侵检测
    4.1 相关理论阐述
        4.1.1 Inception模块
        4.1.2 Batch_Normalization方法
    4.2 Inception-CNN入侵检测模型
        4.2.1 Inception-CNN的设计思想
        4.2.2 Inception-CNN网络结构
    4.3 样本数据处理
        4.3.1 数据特征选择
        4.3.2 不平衡数据集处理方法
        4.3.3 Focal-Loss损失函数
    4.4 基于Inception-CNN工业物联网入侵检测方案
    4.5 本章小结
第5章 实验结果及对比分析
    5.1 工业入侵检测模型结构
        5.1.1 工业控制网络数据集
        5.1.2 模型评估指标
    5.2 入侵检测性能评估
        5.2.1 卷积神经网络工业物联网入侵检测结果
        5.2.2 Inception-CNN工业物联网入侵检测结果
        5.2.3 优化Inception-CNN工业物联网入侵检测结果
    5.3 不同入侵检测模型的对比
        5.3.1 NSL-KDD数据集实验结果对比分析
        5.3.2 工业控制网络数据集实验结果对比分析
    5.4 本章小结
第6章 总结与展望
    6.1 本文总结
    6.2 未来展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3777380