基于不平衡数据样本的工控网络态势要素提取

王 昕，孙 磊

(长春工业大学 计算机科学与工程学院，吉林 长春 130012)

0 引 言

随着互联网的不断发展，工控系统也逐渐智能化、复杂化，成为国家基础设施的中枢神经。继德国最早提出“工业4.0”后，我国也提出了“中国制造2025”战略，加速了互联网技术与工业系统相互融合发展，方便工作人员操作及管理的同时,也使工控系统网络环境变得更加开放，增加了被各种网络攻击的风险，工业控制系统安全面临着前所未有的威胁与挑战[1-2]。作为国家基础设施的重要组成部分，工业控制系统(Industry Control System，ICS)一旦遭到攻击，会对国家经济造成巨大的损失，因此,保障工控网络安全迫在眉睫。

态势感知作为一种从全局视角出发实现对安全威胁的识别、理解、预测并作出响应的分析方法，已成功应用于工控网络安全方向，并成为近年来工控网络安全领域众多学者重点研究的课题，而态势要素的获取作为态势感知的基础和前提，目前相关研究仍不成熟。因此，对于态势要素获取的研究仍具有巨大意义。文献[3]针对BP神经网络对海量安全态势数据学习时过度依赖数据标签的问题,提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法，提高了态势感知的效能和准确度；文献[4]针对深度信念网络(DBN)的收敛速度慢,以及在小样本条件下态势要素获取精度不高的问题，提出了一种基于批量归一化的深度信念网络的态势要素获取方法，减少网络收敛时间，增强网络的鲁棒性能和泛化能力；……