针对电力通信网等工业互联网中非受控终端不能通过安装代理软件进行异常行为监测的问题,采用非侵入式网络监听手段,采集各终端设备进网流量、出网流量、IP组播流量、IP广播流量、会话总数等数据,提出一种基于长短时记忆网络的自适应动...针对电力通信网等工业互联网中非受控终端不能通过安装代理软件进行异常行为监测的问题,采用非侵入式网络监听手段,采集各终端设备进网流量、出网流量、IP组播流量、IP广播流量、会话总数等数据,提出一种基于长短时记忆网络的自适应动态多核单类支持向量机方法(Long ShortTerm Memory Adaptive Dynamic Multiple Kernel One Class Support Vector Machine,LSTM-ADMK-OCSVM),精确刻画各类非受控终端正常工作行为模态,构建异常行为描述和监测模型,实现对非受控终端设备非设定异常行为安全监测。通过电力信息内网非受控终端实际系统实验,得出所提方法可有效对非受控终端异常行为进行监测,精度达到95.36%,满足实际系统应用要求。展开更多
文摘针对电力通信网等工业互联网中非受控终端不能通过安装代理软件进行异常行为监测的问题,采用非侵入式网络监听手段,采集各终端设备进网流量、出网流量、IP组播流量、IP广播流量、会话总数等数据,提出一种基于长短时记忆网络的自适应动态多核单类支持向量机方法(Long ShortTerm Memory Adaptive Dynamic Multiple Kernel One Class Support Vector Machine,LSTM-ADMK-OCSVM),精确刻画各类非受控终端正常工作行为模态,构建异常行为描述和监测模型,实现对非受控终端设备非设定异常行为安全监测。通过电力信息内网非受控终端实际系统实验,得出所提方法可有效对非受控终端异常行为进行监测,精度达到95.36%,满足实际系统应用要求。
