[发明专利]基于深度学习结构的工业控制网络信号异常检测方法有效
| 申请号： | 201811072320.2 | 申请日： | 2018-09-13 |
| 公开（公告）号： | CN109034140B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 曲海成;秦济韬;陈浩 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 高倩 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深度学习结构的工业控制网络信号异常检测方法，涉及工业控制网络数据中异常值检测的技术领域。本发明是为了解决现有的方法中对判别正常数据和异常值需要人为界定，对于少量异常值难以检测的问题。从工业控制网络数据中选取部分数据作为训练样本，对该训练样本进行数据归一标准化操作，得到归一化后的已标定数据，采用数据增强算法为归一化后的已标定数据增加一些假样本数值形成被检测数据；将正常数据和被检测数据各输入到一个自编码器压缩网络中进行训练，分别得到训练后的数据；将该数据输入到对比网络中经过深度神经网络的计算，得到正常数据和被检测数据之间的距离，采用分类器根据距离判定被检测数据中的异常值。它用于信号异常检测。 | ||
| 搜索关键词： | 基于 深度 学习 结构 工业 控制 网络 信号 异常 检测 方法 | ||
【主权项】：
1.基于深度学习结构的工业控制网络信号异常检测方法，其特征在于，所述方法包括以下步骤：步骤一、从工业控制网络数据中选取部分数据进行标记作为训练样本，对该训练样本进行数据归一标准化操作，得到归一化后的已标定数据，采用数据增强算法为归一化后的已标定数据增加一些假样本数值形成被检测数据；步骤二、将正常数据和被检测数据各输入到一个自编码器压缩网络中进行训练，分别得到正常数据的拼接数据和被检测数据的拼接数据；步骤三、将所述的两个拼接数据输入到对比网络中经过深度神经网络的计算，得到正常数据和被检测数据之间的距离，采用分类器根据距离判定被检测数据中的异常值，从而检测出异常值的攻击类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811072320.2/，转载请声明来源钻瓜专利网。
