典型文献
一种ICS异常检测的优化GAN模型
文献摘要：
工业控制系统异常检测大多面临类不平衡问题,从而导致检测模型准确率下降和泛化能力变差.根据生成式对抗网络,提出一种只使用正常样本进行训练的异常检测模型——基于隐空间特征重构的生成式对抗网络模型.在训练阶段,该模型通过引入新的编码器,学习生成数据到隐空间的映射,实现生成数据的隐空间特征重构,并嵌入SE Block模块提升有效特征权重,提高隐空间特征重构能力;鉴别器同时鉴别两个编码器和一个生成器产生的3个数据对,提高模型精度和泛化能力.在检测阶段,综合考虑重构和鉴别损失,采用L2范数优化异常评分公式,克服模式崩塌.SWaT和WADI两个数据集上的验证实验结果表明,该模型在学习能力、稳定性和检测结果方面与AnoGAN、WGAN-GP和BiGAN等模型相比都具有明显优势.
文献关键词：
工业控制系统;不平衡数据集;生成式对抗网络;异常检测
中图分类号：
作者姓名：
顾兆军;刘婷婷;隋翯
作者机构：
中国民航大学信息安全测评中心,天津300300;中国民航大学计算机科学与技术学院,天津300300;中国民航大学航空工程学院,天津300300
文献出处：
引用格式：
[1]顾兆军;刘婷婷;隋翯-.一种ICS异常检测的优化GAN模型)[J].西安电子科技大学学报（自然科学版）,2022(02):173-181,236
A类：
SWaT,WADI,BiGAN
B类：
ICS,异常检测,工业控制系统,多面,类不平衡,不平衡问题,检测模型,模型准确率,泛化能力,隐空间,空间特征,特征重构,生成式对抗网络模型,训练阶段,编码器,SE,Block,有效特征,特征权重,鉴别器,生成器,模型精度,L2,范数,异常评分,崩塌,验证实验,AnoGAN,WGAN,GP,不平衡数据集
AB值：
0.361107
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
