科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着工业信息化的不断发展与转型，人工智能、云计算等前沿技术正在不断地整合到不同的工业流程中，为整个工业体系带来了巨大发展驱动力，但也使得工控网络面临外界入侵的风险。本文针对现如今工业控制网络架构面临的潜在安全威胁进行了研究分析，通过对常见的网络入侵行为进行模拟，以及对Snort入侵检测机制的研究，设计了一种基于Snort的入侵检测系统的靶场感知模块。该模块将Snort开源入侵检测系统作为本靶场网络攻防的设计核心，并通过分析工业控制网络协议的数据包，进行数据包检测模块的拓展。引入机器学习的相关知识，对CNN-BiLSTM神经网络模型的学习率与网络维度进行优化。实验结果表明，在网络流量数据集上，该模型取得了比CNN、LSTM等神经网络模型更好的检测准确率，对于新型网络攻击，该模型的检测性能较传统方法更好，能够更好地保护工业控制系统安全。
- 单位
