基于OCSVM的工业控制系统入侵检测算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 工控系统研究现状 | 第15-19页 |
| 1.2.1 工控系统的入侵检测技术 | 第15-16页 |
| 1.2.2 工控系统的异常检测技术 | 第16-19页 |
| 1.3 论文主要内容与结构框架 | 第19-21页 |
| 第2章 工业数据预处理 | 第21-32页 |
| 2.1 工业数据的特点 | 第21-25页 |
| 2.1.1 Modbus协议 | 第21-22页 |
| 2.1.2 Modbus TCP数据包格式 | 第22-24页 |
| 2.1.3 Modbus TCP协议脆弱性分析 | 第24-25页 |
| 2.2 工业数据的特征提取 | 第25-26页 |
| 2.3 实验分析 | 第26-31页 |
| 2.3.1 实验环境 | 第26-28页 |
| 2.3.2 工业数据采集 | 第28-29页 |
| 2.3.3 工业数据特征选择与提取 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 工业控制系统入侵检测算法 | 第32-49页 |
| 3.1 支持向量机原理 | 第32-36页 |
| 3.1.1 线性可分支持向量机 | 第32-35页 |
| 3.1.2 非线性支持向量机 | 第35-36页 |
| 3.2 单类支持向量机 | 第36-40页 |
| 3.2.1 支持向量数据描述算法 | 第37-38页 |
| 3.2.2 单类支持向量机算法 | 第38-40页 |
| 3.3 基于OCSVM的入侵检测算法 | 第40-42页 |
| 3.3.1 OCSVM入侵检测模型 | 第40-41页 |
| 3.3.2 OCSVM入侵检测算法 | 第41-42页 |
| 3.4 实验分析 | 第42-47页 |
| 3.4.1 入侵检测算法的性能及其度量指标 | 第42-44页 |
| 3.4.2 仿真实验 | 第44-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 工业控制系统入侵检测算法优化 | 第49-60页 |
| 4.1 粒子群优化算法原理 | 第49-51页 |
| 4.2 基于PSO的OCSVM入侵检测算法 | 第51-54页 |
| 4.3 实验分析 | 第54-58页 |
| 4.3.1 PSO参数设置 | 第54-55页 |
| 4.3.2 实验分析 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 入侵检测的增量学习和双轮廓模型 | 第60-67页 |
| 5.1 入侵检测的增量学习 | 第60-64页 |
| 5.1.1 增量学习的必要性 | 第60-61页 |
| 5.1.2 OCSVM增量学习原理 | 第61-62页 |
| 5.1.3 基于OCSVM增量学习的入侵检测算法 | 第62-64页 |
| 5.2 入侵检测的双轮廓模型 | 第64-65页 |
| 5.3 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
