典型文献
基于机器学习的牵引供电远动系统异常攻击检测技术研究
文献摘要：
聚焦铁路牵引供电远动SCADA系统,分析其通信规约和网络安全风险点,研究基于单类支持向量机算法的异常攻击检测技术,以达到检测网络异常攻击的目的.本方法先分析正常的通信数据,选取报文序列中的时间戳、源地址、目的地址、源端口、目的端口等字段,构成训练样本序列集合,再对报文序列的数据预处理形成子序列特征数据库,最后采用Python语言、Sklearn机器学习库建立单类支持向量机的行为模型,并通过仿真数据测试,验证其可有效检测网络入侵等异常行为.
文献关键词：
牵引供电远动系统;单类支持向量机;异常检测
中图分类号：
作者姓名：
周泽岩;程鹏;方付生;路涛
作者机构：
中国铁道科学研究院集团有限公司电子计算技术研究所, 北京 100081;中国电子科技网络信息安全有限公司, 四川 成都 610041;北京正信安盾科技有限公司, 北京 100160
文献出处：
引用格式：
[1]周泽岩;程鹏;方付生;路涛-.基于机器学习的牵引供电远动系统异常攻击检测技术研究)[J].软件工程,2022(02):1-5
A类：
牵引供电远动系统
B类：
基于机器学习,异常攻击检测,SCADA,通信规约,网络安全风险,风险点,单类支持向量机算法,测网,网络异常,通信数据,取报,报文序列,时间戳,源地址,目的地,端口,字段,训练样本,数据预处理,子序列,序列特征,特征数据,Python,Sklearn,行为模型,仿真数据,数据测试,有效检测,网络入侵,异常行为,异常检测
AB值：
0.347581
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。
