基于优化核极限学习机的工控入侵检测方法
Industrial Control Intrusion Detection Method Based on Optimized Kernel Extreme Learning Machine作者机构：北京交通大学计算机与信息技术学院北京100044
出 版 物：《信息网络安全》 (Netinfo Security)
年 卷 期：2021年第21卷第2期
页 面：1-9页
学科分类：0839[工学-网络空间安全] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金 国家教育考试科研项目[GJK2019028]
摘 要：针对现有的工业控制系统入侵检测算法检测时间长,无法满足系统实时性的问题,文章提出一种基于优化核极限学习机(KELM)的工控入侵检测模型,通过改进麻雀搜索算法对KELM的正则化系数C和核参数g进行联合优化。在种群初始化阶段引进佳点集理论增加初始种群的多样性以增强全局搜索能力,提出非线性递减安全值策略并在算法迭代过程引入混沌算法避免陷入局部极小值,以扩展搜索区域。实验结果表明,文章提出的算法具有高检测率、低误报率的优势,能够满足工业控制系统高实时性的要求。
维普期刊数据库
同方期刊数据库