欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021108860839
申请人: 暨南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于卷积神经网络架构优化的工控入侵检测方法,其特征在于,包括以下步骤:(1)工控入侵检测的数据采集模块从工业控制系统的历史数据库中采集生产过程监控状态的历史数据,经过数据解析,获得源数据集,标记为X,并按照公式(1)进行数据的归一化处理,获得离线训练数据集,将其标记为X其中,X

(2)设置基于卷积神经网络架构优化的离线优化训练模块的参数值,所述参数值包括种群大小N、卷积神经网络的最大深度D、架构优化的迭代优化次数I、卷积神经网络离线训练的轮次EP(3)将初始化N个个体作为初始种群Q;每个个体的编码形式为Indi={l,[type其中,ResNetBlockUnit、DenseNetBlockUnit和poolingUnit分别表示卷积神经网络的三种基础网络架构:残差网络模块单元、全连接模块单元和池化单元,分别缩写为RBU、DBU和PU;所述RBU由不同数量的残差网络模块组成,所述DBU由不同数量的全连接模块组成;amount(4)对初始种群Q进行性能评估,具体过程如下:依据Q中每个个体表征的架构信息转化为对应的卷积神经网络模型,将离线训练数据集X(5)对于种群Q中的每一个个体,首先随机生成一个随机数q(6)对于种群Q中的每一个个体,首先生成一个随机数q

(7)按照步骤(4)中的性能评估和个体优劣比较,获得新种群Q(8)无条件地接受Q=Q

(9)重复步骤(4)~步骤(9),直到满足设定的架构优化的迭代优化次数I为止;

(10)根据离线优化训练模块中最终获得的最优个体Indi(11)工控入侵检测的数据采集模块从工业控制系统的实时数据库中采集生产过程的实时监控数据,经过数据解析和数据归一化处理后,作为基于最优卷积神经网络的工控在线入侵检测模块的在线检测数据集,标记为X(12)利用在线检测模块运行最优卷积神经网络,对在线检测数据集X其中,TP表示将正常工控数据样本正确地预测为正常分类的数量,FP表示将异常工控数据样本错误地预测为正常分类的数量,FN表示将正常工控数据样本错误地预测为异常分类的数量。

2.根据权利要求1所述的基于卷积神经网络架构优化的工控入侵检测方法,其特征在于,所述步骤(4)中个体优劣比较和个体性能评估的过程具体包括以下子步骤:(a)设定在验证集上的准确率阈值、准确率之差的阈值、在验证集上的准确率方差阈值、模型参数数量阈值;

(b)对于任意两个体,分别标记为Indi

(c)如果Indi

(d)如果Indi

(f)如果Indi

3.一种基于卷积神经网络架构优化的工控入侵检测系统,其特征在于,用于实现上述权利要求1或2所述的基于卷积神经网络架构优化的工控入侵检测方法,该系统包括工控入侵检测的数据采集模块、离线优化训练模块和在线检测模块;

所述数据采集模块从工业控制系统实时数据库中采集生产过程的实时监控数据,经过数据解析和数据归一化处理后,得到在线检测数据集,将该在线检测数据集输入在线检测模块;所述数据采集模块从工业控制系统采集生产过程监控状态的历史数据,经过数据解析和数据归一化处理后,获得离线训练数据集,将该离线训练数据集输入离线优化训练模块;

所述离线优化训练模块基于卷积神经网络架构优化平台,获得卷积神经网络的最优架构信息,将该最优架构信息输入在线检测模块;

所述在线检测模块基于最优架构的卷积神经网络模型进行入侵检测,若检测到入侵则产生报警信息并评估入侵检测性能指标。