典型文献
基于改进Lightgbm的CPS网络攻击识别模型
文献摘要：
针对信息物理融合系统(Cyber-Physical-System,CPS)网络攻击识别难的问题,首先引入焦点损失函数对Lightgbm集成算法进行改进;然后针对CPS攻击样本的不平衡性,采用K均值算法对数据进行聚类处理,再利用JMIM筛选最优特征集;最后构建Lightgbm集成学习算法的网络攻击识别模型,并通过Python3.7进行试验.结果表明,在大、小样本下,该模型在准确率、F1值、召回率等指标上都表现出很好的优势;与SVM、ANN等机器学习算法相比,在精度、F1值等指标上都高于传统算法;加入噪声后,无论大、小样本,该模型都具有很高的分类精度,表现出很强的抗干扰能力.因此,该模型构建精度高,且适用性强.
文献关键词：
Lightgbm集成学习;K均值;JMIM筛选;ANN;高斯噪声
中图分类号：
作者姓名：
於立峰;胡凯波;夏志凌;沙建飞
作者机构：
浙江浙能兰溪发电有限责任公司,浙江金华321100
文献出处：
引用格式：
[1]於立峰;胡凯波;夏志凌;沙建飞-.基于改进Lightgbm的CPS网络攻击识别模型)[J].系统仿真技术,2022(01):23-27
A类：
Lightgbm,JMIM
B类：
CPS,网络攻击识别,识别模型,信息物理融合系统,Cyber,Physical,System,焦点损失函数,集成算法,不平衡性,最优特征集,集成学习算法,Python3,小样本,召回率,ANN,机器学习算法,传统算法,分类精度,抗干扰能力,高斯噪声
AB值：
0.272862
相似文献
融合HOG和GLCM特征的输送带撕裂在线检测方法
曾飞;赵玉凯;欧宏日;赵晨晨-武汉科技大学冶金装备及其控制教育部重点实验室,湖北武汉 430081;武汉科技大学机械自动化学院,湖北武汉 430081
红外遥感图像目标识别对抗算法研究
齐嘉豪;张宇;万鹏程;李远哲;刘星月;姚爱欢;钟平-国防科技大学 ATR重点实验室,长沙 410073;安徽工业大学 计算机科学与技术学院,安徽 马鞍山 243032
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。
