计算机应用

作者：陈万志, 徐东升, 张静, 唐雨

单位：1. 辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105;2. 渤海装备辽河重工有限公司, 辽宁 盘锦 124010

关键词：工业控制系统,主成分分析,粒子群优化算法,支持向量机,密度中心法,K-means算法

基金：辽宁工程技术大学博士启动基金资助项目（2015-1147）；辽宁省教育厅服务地方类项目（LJ2017FAL009）。

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期