基于自适应鲁棒性的入侵检测模型

作     者：吴亚丽 李国婷 付玉龙 王晓鹏 WU Ya-li;LI Guo-ting;FU Yu-long;WANG Xiao-peng

作者机构：西安理工大学自动化与信息工程学院西安710048 西安理工大学陕西省复杂系统控制与智能信息处理重点实验室西安710048 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2019年第34卷第11期

页      面：2330-2336页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划重点专项项目(2018YFB1703004) 国家自然科学基金青年基金项目(61503299,61502385) 

主　　题：信息物理系统 鲁棒性 自适应性 入侵检测 自编码网络 头脑风暴优化算法 

摘      要：传感器与网络技术的迅猛发展促进了信息物理系统的发展与应用.而传统网络系统的入侵检测技术已经发展成熟,信息物理系统(CPS)可以在借鉴传统网络系统入侵检测技术的基础上,结合自身特性进行改进.针对CPS所处地理位置复杂及网络传输不可靠导致的检测鲁棒性不高的问题,提出基于稀疏降噪自编码网络(SDAE)的入侵检测算法;同时,考虑到CPS对模型适应性及推广性的需求,将基于差分变换的头脑风暴优化算法(DBSO)与改进的自编码网络相结合,形成基于DBSO优化SDAE(DBSO-SDAE)的检测算法.该算法具有自动提取入侵数据最优特征表示的能力,同时在进一步提高模型鲁棒性的前提下,可极大地增强模型的适应性.仿真结果表明,所提出的DBSO-SDAE模型与其他模型相比,具有较高的鲁棒性、自适应性及较优的检测实时性,可极大地满足CPS对检测算法的高需求.