来源：期刊VIP网 时间：
作者：钱俊磊;贾涛;曾凯;屈滨;杜学强;
单位：华北理工大学电气工程学院;唐山市钢铁企业流程控制与优化技术创新中心(唐山阿诺达自动化有限公司);
摘要：为解决攻击者利用流程工业生产中深度耦合的工序参数进行生产过程攻击的问题，提出一种基于SSA-LSTM的深度学习算法，对工艺数据进行异常检测。通过麻雀优化算法优化LSTM神经网络的迭代次数、学习率和隐藏层节点数三个超参数，实现对工艺数据的准确预测。将预测数据与真实数据进行对比，超出阈值的点定义为异常点，再运用Petri网理论对生产工艺参数间的耦合关系进行建模，确定异常点与入侵点之间的因果关系，为预测结果提供理论支撑。将SWAT水处理系统数据集用于验证算法效率，证明了所提出的模型在检测精度和攻击定位准确性方面优于其他算法模型。实验结果表明，所提出的算法模型可有效检测出通过暴力篡改传感器数据对工业生产造成重大影响的入侵行为。
关键词：工艺数据;;工业入侵检测;;攻击定位;;麻雀优化算法(SSA);;LSTM神经网络;;工业控制系统;;工业网络安全
基金资助：唐山市科技计划项目（22130204G;22130220G）
