基于Bi-RNN模型的工业控制系统网络入侵检测研究  

作　　者：黎斌[1] LI Bin

机构地区：[1]广西职业技术学院,广西南宁530226

出　　处：《信息技术与信息化》2025年第4期47-51,共5页Information Technology and Informatization

摘　　要：因工业控制系统网络环境复杂且网络流量呈现动态变化,使得时间序列特征难以被精确捕捉,数据包大小分布的离散程度不明显,导致实时特征向量的提取过程受到影响,难以准确区分正常流量与异常流量,降低了入侵检测的准确性和效率。为此,文章提出一种基于Bi-RNN(bidirectional recurrent neural networks)模型的工业控制系统网络入侵检测研究。采用滑动平均法预处理工业控制系统网络数据,结合时间序列数据构建网络入侵检测Bi-RNN模型。通过计算数据包大小的变异系数体现数据包大小分布的离散程度,定向提取异常流量特征,并将其作为实时特征向量,输入至Bi-RNN模型中,实现工业控制系统网络入侵检测。实验结果表明,利用Bi-RNN模型对工业控制系统网络入侵进行检测后,戴维森堡丁指数可稳定保持在0.15以下水平,最小MAPE仅为0.13,检测准确性较高,说明该方法对工业控制系统网络入侵检测准确性较好,可准确地检测出入侵行为。

关 键 词：Bi-RNN模型 工业控制系统 网络入侵 检测方法 异常流量特征 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]