典型文献
基于特征选择的工业互联网入侵检测分类方法
文献摘要：
由于工业互联网接入设备的多样性和差异性,使其维护困难且易受攻击,针对该安全问题需要引入相关的防御系统来识别各种入侵攻击.传统的入侵检测系统能够检测到的攻击类型较少,且网络流量数据由于存在冗余导致无关特征使得分类性能较差.因此,提出一种基于特征选择的工业互联网入侵检测分类方法.该方法首先对数据集进行预处理,并通过计算特征的皮尔逊相关系数来判断特征的强弱关系,确定最优的阈值进行特征提取;之后从机器学习和深度学习2个角度,利用逻辑回归、支持向量机、K近邻、决策树、随机森林、多层感知机、卷积神经网络和时空网络8种模型分别进行二分类和多分类实验,并作评估.实验结果表明,随机森林的二分类效果最佳,决策树的多分类效果最佳.最后在真实工业互联网实践中验证了所提方法的有效性.
文献关键词：
工业互联网;入侵检测;皮尔逊相关系数;机器学习;深度学习
中图分类号：
作者姓名：
任家东;张亚飞
作者机构：
燕山大学信息科学与工程学院 河北秦皇岛 066004;河北省软件工程重点实验室(燕山大学) 河北秦皇岛 066004
文献出处：
引用格式：
[1]任家东;张亚飞-.基于特征选择的工业互联网入侵检测分类方法)[J].计算机研究与发展,2022(05):1148-1159
A类：
B类：
特征选择,工业互联网,检测分类,分类方法,易受攻击,防御系统,入侵检测系统,网络流量,流量数据,分类性能,皮尔逊相关系数,强弱关系,逻辑回归,近邻,决策树,多层感知机,时空网络,二分类,多分类,分类效果
AB值：
0.245283
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。
