| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 课题研究背景和意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文研究内容及组织结构 | 第18-21页 |
| 1.3.1 论文研究内容 | 第18-19页 |
| 1.3.2 论文章节安排 | 第19-21页 |
| 第二章 ICS异常数据分析基础 | 第21-31页 |
| 2.1 ICS架构与现场设备数据 | 第21-27页 |
| 2.1.1 ICS的一般架构组成 | 第21-23页 |
| 2.1.2 现场设备数据分类 | 第23-24页 |
| 2.1.3 现场设备数据特征 | 第24-27页 |
| 2.2 离群点挖掘技术 | 第27-30页 |
| 2.2.1 离群点定义规则 | 第28页 |
| 2.2.2 典型的离群点挖掘方法分析 | 第28-29页 |
| 2.2.3 针对ICS的离群点挖掘模型 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 ICS现场设备数据独立异常检测算法设计 | 第31-42页 |
| 3.1 离散量的独立异常检测 | 第31-32页 |
| 3.2 连续变化量的独立异常检测 | 第32-40页 |
| 3.2.1 连续变化量与时间序列 | 第32-33页 |
| 3.2.2 连续变化量的时间序列平稳性分析 | 第33-35页 |
| 3.2.3 基于最小二乘法计算连续变化量的AR模型 | 第35-38页 |
| 3.2.4 基于AR模型的连续变化量异常检测 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 ICS现场设备数据关联异常检测算法设计 | 第42-54页 |
| 4.1 K-means聚类算法分析 | 第42-50页 |
| 4.1.1 聚类与ICS系统关联性异常检测 | 第42-43页 |
| 4.1.2 传统K-means算法分析 | 第43-45页 |
| 4.1.3 K-means算法的局限性与粒子群优化算法 | 第45-47页 |
| 4.1.4 基于PSO的改进K-means算法设计 | 第47-50页 |
| 4.1.5 PSO_K-means算法性能分析 | 第50页 |
| 4.2 基于PSO_K-means算法ICS关联性异常检测模型 | 第50-53页 |
| 4.2.1 ICS数据的预处理 | 第50-51页 |
| 4.2.2 聚类簇异常因子 | 第51-52页 |
| 4.2.3 聚类簇半径阈值的确定 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 ICS异常数据检测系统仿真与分析 | 第54-70页 |
| 5.1 异常检测系统整体训练流程与决策模型 | 第54-56页 |
| 5.2 基于OMNeT++的仿真储水加热系统搭建 | 第56-60页 |
| 5.2.1 软件与硬件条件 | 第56-57页 |
| 5.2.2 仿真储水加热系统搭建 | 第57-60页 |
| 5.3 基于仿真系统的独立异常检测与关联异常检测 | 第60-67页 |
| 5.3.1 基于仿真系统的现场设备数据独立异常检测 | 第60-63页 |
| 5.3.2 基于仿真系统的现场设备数据关联性异常检测 | 第63-67页 |
| 5.4 异常检测结果分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 不足与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第75-77页 |
