计算机应用

作者：张艳升, 李喜旺, 李丹, 杨华

单位：1. 中国科学院大学, 北京 100049;2. 中国科学院 沈阳计算技术研究所, 沈阳 110168;3. 国家电网公司 东北电力调控分中心, 沈阳 110180

关键词：卷积神经网络,异常流量监测,工控网络,特征提优,深度学习

基金：国家科技重大专项（2017ZX01030-201）。

针对工控系统中传统的异常流量检测模型在识别异常上准确率不高的问题，提出一种基于卷积神经网络（CNN）的异常流量检测模型。该模型以卷积神经网络算法为核心，主要由1个卷积层、1个全连接层、1个dropout层以及1个输出层构成。首先，将实际采集的网络流量特征数值规约到与灰度图像素值相对应的范围内，生成网络流量灰度图；然后，将生成好的网络流量灰度图输入到设计好的卷积神经网络结构中进行训练和模型调优；最后，将训练好的模型用于工控网络异常流量检测。实验结果表明，所提模型识别精度达到97.88%，且与已有的精度最高反向传播（BP）神经网络测精度提高了5个百分点。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期