基于机器学习的工业互联网入侵检测方法研究
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题的研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 工业防火墙技术 | 第13页 |
| 1.2.2 入侵检测技术 | 第13-18页 |
| 1.2.3 特征选择技术 | 第18-19页 |
| 1.2.4 图像感知哈希特征提取技术 | 第19页 |
| 1.2.5 实验数据集 | 第19-20页 |
| 1.3 研究目标和主要创新工作 | 第20-21页 |
| 1.4 论文组织结构与安排 | 第21-22页 |
| 第2章 相关概念和基本原理 | 第22-36页 |
| 2.1 工业互联网体系结构 | 第22-23页 |
| 2.2 入侵检测技术 | 第23-24页 |
| 2.2.1 入侵检测基本概念 | 第23页 |
| 2.2.2 入侵检测模型 | 第23-24页 |
| 2.2.3 入侵检测方法评价指标 | 第24页 |
| 2.3 人工免疫理论与方法 | 第24-27页 |
| 2.4 决策粗糙集原理 | 第27-28页 |
| 2.5 Modbus流量特征图原理及方法 | 第28-30页 |
| 2.6 图像感知哈希技术 | 第30-33页 |
| 2.7 基于互信息的特征选择方法 | 第33-34页 |
| 2.8 本章小结 | 第34-36页 |
| 第3章 基于决策粗糙集的人工免疫入侵检测算法 | 第36-44页 |
| 3.1 引言 | 第36页 |
| 3.2 DTRSAI集成模型 | 第36-38页 |
| 3.3 入侵检测算法实现 | 第38-39页 |
| 3.3.1 DTRSAI集成入侵检测模型 | 第38-39页 |
| 3.3.2 算法复杂度分析 | 第39页 |
| 3.4 实验结果与算法性能分析 | 第39-43页 |
| 3.4.1 实验数据集 | 第39-40页 |
| 3.4.2 检测器长度 | 第40-41页 |
| 3.4.3 自体半径 | 第41-42页 |
| 3.4.4 性能比较 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于流量特征图的工业互联网入侵检测模型 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 入侵检测模型实现 | 第44-47页 |
| 4.2.1 实现原理 | 第44-46页 |
| 4.2.2 方法可行性证明 | 第46-47页 |
| 4.3 实验结果与性能分析 | 第47-53页 |
| 4.3.1 实验数据的选择 | 第47-49页 |
| 4.3.2 Modbus流量特征图分析 | 第49-50页 |
| 4.3.3 区分性实验 | 第50-52页 |
| 4.3.4 算法性能分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 基于互信息的工业互联网入侵检测模型 | 第54-60页 |
| 5.1 引言 | 第54页 |
| 5.2 入侵检测模型实现 | 第54-55页 |
| 5.3 实验结果与性能分析 | 第55-59页 |
| 5.3.1 仿真实验环境准备 | 第55-56页 |
| 5.3.2 特征选择方法 | 第56-57页 |
| 5.3.3 流量特征图 | 第57页 |
| 5.3.4 区分性实验 | 第57-59页 |
| 5.3.5 实验结果分析与对比 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 总结和展望 | 第60-62页 |
| 参考文献 | 第62-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读硕士学位期间发表的科研成果 | 第72页 |
