期刊文献+

基于超图的工业数据异常检测 被引量:3

Industry anomaly detection with hypergraph learning
下载PDF
导出
摘要 工业控制数据之间由于存在高阶复杂关联,难以进行异常信息检测。针对工业控制系统协议繁多,控制数据复杂且冗余度高等问题,提出了基于超图学习的工控数据异常检测模型。通过提取工业控制数据中的流量特征数据,降低数据空间冗余度,提高检测效率,并应用超图结构构建高效的数据特征空间,在此基础上,建立工控数据之间的复杂关联关系,通过超图学习,挖掘工控数据中存在的异常信息。通过实验表明,该方法能够高效准确地对工控数据中的异常数据进行检测,并且比最新的异常检测方法具有更好的性能。
出处 《计算机应用研究》 CSCD 北大核心 2020年第S02期253-255,共3页 Application Research of Computers
基金 国家自然科学基金资助项目(20181301536)
  • 相关文献

参考文献3

二级参考文献20

  • 1LAKHINA A, CROVELLA M, DIOT C. Diagnosing network-wide traffic anomalies [C]// Proceedings of ACM SIGCOMM 2004: Conference on Computer Communications. New York, USA: ACM, 2004: 219-230.
  • 2LAKHINA A, CROVELLA M, DIOT C. Character- ization of network-wide anomalies in traffic flows [C] //Proceedings of the 2004 ACM SIGCOMM Internet Measurement Conference. New York, USA. ACM, 2004 : 201-206.
  • 3LAKHINA A, CROVELLA M, DIOT C. Mining anomalies using traffic feature distributions [J]. Computer Communication Review, 2005, 35(4) : 217-228.
  • 4RUBINSTEIN B, NELSON B, HUANG L, et al. Compromising PCA-based anomaly detectors for network-wide traffic, UCB/EECS-2008-73 [R]. Berkeley, USA: UCB, 2009.
  • 5CHATZIGIANNAKIS V, PAPAVASSILIOU S, ANDROULIDAKIS G. Improving network anomaly detection effectiveness via an integrated multi-metric-multi-link (Ma L) PCA-based approach[J]. Security and Communication Networks, 2009, 2(3): 289-304.
  • 6BRAUCKHOFFD, SALAMATIAN K, MAY M. Applying PCA for traffic anomaly detection: problems and solutions [C]// Proceedings of IEEE INFOCOM 2009. Piscataway, NJ, USA: IEEE, 2009: 2866- 2870.
  • 7ZAIDI Z, HAKAMI S, MOORS T, et al. Detection and identification of anomalies in wireless mesh networks using principal component analysis [J]. Journal of Interconnection Networks, 2009, 10(4): 517-534.
  • 8ZAIDI Z R, HAKAMI S, LANDFELDT B, et al. Real-time detection of traffic anomalies in wireless mesh networks[J]. Wireless Networks, 2010,16(6) : 1675-1689.
  • 9BISHOP M, TIPPING E. Probabilistic principal component analysis [J].Journal of the Royal Statistical Society, 1999,61(3) : 611-622.
  • 10VACLAVA, ANTHONY Q. The variational Bayes method in signal processing[M]. Berlin, Germany: Springer, 2006 : 57-88.

共引文献44

同被引文献29

引证文献3

二级引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部