摘要: 针对工业控制系统网络攻击日益增加,现有的基于深度学习入侵检测模型的最优超参数组难以确定,从而造成检测精度不高的问题,提出一种结合超参数优化算法和堆叠长短时记忆(SLSTM)网络的工控系统入侵检测模型,实现了基于深度学习工控入侵检测模型超参数的自动寻优,有效地提高了检测精度.首先,采用基于边界的合成少数类过采样技术解决原始数据中样本不平衡的问题.然后,采用贝叶斯优化算法搜索堆叠长短时记忆网络的最优超参数组.最后,在工控网络标准数据集上将所提算法与其他相关算法进行对比实验.
基于超参数自动寻优的工控网络入侵检测
最新推荐文章于 2024-10-01 22:54:40 发布
针对工控网络入侵检测难题,本文提出结合超参数优化的堆叠LSTM模型,利用贝叶斯优化算法自动寻找最优超参数,提升检测精度。实验表明,该方法在工控入侵检测中具有最高的适用性,有效解决了传统模型的超参数配置问题,提高了检测准确率。
摘要由CSDN通过智能技术生成