基于PU学习的工业控制系统异常检测方法

摘要：

随着信息化的发展,工业控制系统面临严重的安全威胁,提出一种基于PU学习的工业控制系统异常检测方法.该方法通过状态表示将状态变量表示为二元组,从少量正常样本片段中提取状态转换图,从大量未标记样本中生成孤立森林模型.根据状态转换图和孤立森林模型分别判断状态转换关系和状态自循环的正确性.在工控系统测试平台SWaT上进行验证,结果表明,当污染率c取12％时检测效果最佳,与基于协同训练与C4.5决策树的方法相比,从根本上提升了异常的查全率.

关键词：工业控制系统、异常检测、PU学习、状态转换图、孤立森林

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61802431

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：210-216