基于SAE-LSTM的工艺数据异常检测方法
文献类型：期刊论文
| 作者 | 尚文利4 ; 石贺1,2,3; 赵剑明1,2,3; 曾鹏1,2,3
|
| 刊名 | 电子学报
 |
| 出版日期 | 2021 |
| 卷号 | 49期号:8页码:1561-1568 |
| 关键词 | 工业控制系统 工控异常检测 自编码神经网络 长短期记忆神经网络 |
| ISSN号 | 0372-2112 |
| 其他题名 | An Anomaly Detection Method of Process Data Based on SAE-LSTM |
| 产权排序 | 2 |
| 英文摘要 | 为解决工业网络安全防护中工艺数据异常检测误报率较高的问题,本文提出一种基于时间序列的异常检测方法 .该方法对工艺数据进行相关性分析、向量映射等处理,再采用堆叠自编码神经网络(SAE)对工艺数据特征进行降维,根据工艺数据在传输序列间的相互关联性,设计基于长短期记忆神经网络(LSTM)的异常检测模型,最后进行工艺数据异常检测仿真实验验证分析.实验结果表明,基于时间序列的异常检测模型能有效提高工艺数据异常检测准确率,并且误报率要低于传统隐马尔可夫异常检测模型,同时获得较好的异常检测实时性. |
| 语种 | 中文 |
| CSCD记录号 | CSCD:7055899 |
| 资助机构 | 国家自然科学基金（No.61773368） ; 之江实验室开放课题资助（No.2021KF0AB06） |
| 源URL | [http://ir.sia.cn/handle/173321/29569]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 通讯作者 | 尚文利 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 3.中科院网络化控制系统重点实验室 4.广州大学电子与通信工程学院 |
| 推荐引用方式 GB/T 7714 | 尚文利,石贺,赵剑明,等. 基于SAE-LSTM的工艺数据异常检测方法[J]. 电子学报,2021,49(8):1561-1568. |
| APA | 尚文利,石贺,赵剑明,&曾鹏.(2021).基于SAE-LSTM的工艺数据异常检测方法.电子学报,49(8),1561-1568. |
| MLA | 尚文利,et al."基于SAE-LSTM的工艺数据异常检测方法".电子学报 49.8(2021):1561-1568. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。