典型文献
基于机器学习的工业互联网入侵检测综述
文献摘要：
过去几年中,机器学习算法在计算机视觉、自然语言处理等领域取得了巨大成功.近年来,工业互联网安全领域也涌现出许多基于机器学习技术的入侵检测工作.从工业互联网的自身特性出发,对目前该领域的相关工作进行了深入分析,总结了工业互联网入侵检测技术研究的独特性,并基于该领域中存在的3个主要研究问题提出了新的分类方法,将目前基于机器学习的互联网入侵检测技术分为面向算法设计的研究工作、面向应用限制和挑战的研究工作,以及面向不同ICS攻击场景的研究工作.该分类方法充分展现了不同研究工作的意义以及该领域目前研究工作中存在的问题,为未来的研究工作提供了很好的方向和借鉴.最后基于目前机器学习领域的最新进展,为该领域未来的发展提出了 2个研究方向.
文献关键词：
工业互联网;机器学习;入侵检测;分类法;工业控制系统
中图分类号：
作者姓名：
刘奇旭;陈艳辉;尼杰硕;罗成;柳彩云;曹雅琴;谭儒;冯云;张越
作者机构：
中国科学院信息工程研究所 北京 100093;中国科学院大学网络空间安全学院 北京 100049;中国信息通信研究院 北京 100191;国家工业信息安全发展研究中心 北京 100040
文献出处：
引用格式：
[1]刘奇旭;陈艳辉;尼杰硕;罗成;柳彩云;曹雅琴;谭儒;冯云;张越-.基于机器学习的工业互联网入侵检测综述)[J].计算机研究与发展,2022(05):994-1014
A类：
B类：
基于机器学习,机器学习算法,计算机视觉,自然语言处理,巨大成功,工业互联网安全,安全领域,涌现出,机器学习技术,检测工作,入侵检测技术,研究问题,分类方法,算法设计,应用限制,ICS,前机,学习领域,最新进展,分类法,工业控制系统
AB值：
0.289064
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。
