工业控制网络安全事件挖掘模型研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关技术 | 第16-26页 |
| 2.1 设备日志格式介绍 | 第16-18页 |
| 2.2 序列模式挖掘介绍 | 第18页 |
| 2.3 RNN与LSTM | 第18-22页 |
| 2.4 主成分分析与线性判别分析 | 第22-23页 |
| 2.5 贝叶斯与支持向量机 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 建立工控领域的专业语料库 | 第26-36页 |
| 3.1 问题分析 | 第26页 |
| 3.2 建立工控领域的专业语料库 | 第26-32页 |
| 3.2.1 专业语料库词语分析 | 第27-30页 |
| 3.2.2 词语权重分析 | 第30-32页 |
| 3.3 实验分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于编码的LSTM异常检测模型 | 第36-44页 |
| 4.1 问题分析 | 第36-38页 |
| 4.2 基于编码的LSTM异常检测模型 | 第38-40页 |
| 4.2.1 状态提取与数据处理 | 第38页 |
| 4.2.2 基于编码的LSTM模型 | 第38-39页 |
| 4.2.3 特征降维与分类 | 第39-40页 |
| 4.3 实验 | 第40-42页 |
| 4.3.1 参数调优 | 第40-42页 |
| 4.3.2 对比实验 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 基于改进的课程学习的工控异常挖掘 | 第44-52页 |
| 5.1 问题分析 | 第44-45页 |
| 5.2 改进的课程学习的工控异常挖掘训练算法 | 第45-48页 |
| 5.2.1 工控数据排序算法 | 第45-47页 |
| 5.2.2 改进的课程学习算法 | 第47-48页 |
| 5.3 实验分析 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 可视化的工控日志异常挖掘系统实现 | 第52-60页 |
| 6.1 系统框架 | 第52-55页 |
| 6.1.1 采集端 | 第52-53页 |
| 6.1.2 处理端 | 第53-54页 |
| 6.1.3 分析端 | 第54-55页 |
| 6.1.4 服务端 | 第55页 |
| 6.2 系统总体实验测试 | 第55-58页 |
| 6.2.1 工控环境与配置 | 第56页 |
| 6.2.2 数据处理与检测 | 第56页 |
| 6.2.3 实验测试 | 第56页 |
| 6.2.4 实验结果分析 | 第56-58页 |
| 6.3 本章小结 | 第58-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文 | 第68页 |
