终端入侵检测
随着万物互联的提出及发展，安全和隐私挑战已成为数十亿物联网智能设备关注的主要问题。其中工业互联网安全问题亟需重视，工业数据量与过去相比呈指数级增长，大量的工业数据被收集和存储在工业网络中，由于工业网络中的每个模块关系更紧密，也更加复杂，被不可预测的攻击的概率也随之增加，加上工业设备因其固有的安全问题，使其更易受到外界的恶意攻击。
1. 基于边云协同的工业互联网入侵检测模型
针对当前工业互联网攻击行为复杂，且由异构网络高度互联组成，威胁发现难度大。选用边云数据协同分析的方式进行检测，强化了应对未知威胁的检测，融合边缘端和云端提升检测效率。将入侵检测模型与边云协同理念相结合，提出一种基于边云协同的工业互联网入侵检测模型。
2. 工业互联网入侵检测技术在工业互联网安全客户端平台中的应用
将基于边云协同的工业互联网入侵检测模型DNN入侵检测方法应用于云端，对流量数据进行联合评估，评估入侵检测方法有效性的同时甄别出网络中可能出现的异常流量或入侵行为。
KDD的训练曲线
基于属性的访问控制准备阶段与执行阶段划分
GAS的训练曲线
https://datav.aliyuncs.com/share/page/06fdb965170b783fc777c23187840036
http://www.hncsa.org.cn/industrialsecurity/software/IIECSInstall.rar[ IEEE / IEEE_ComSoc / IEEE_MMTC ] [ IEEE MMTC Publications ] [ IEEE MMTC Awards ] [ IEEE MMTC Conferences ] [ IEEE MMTC Frontiers ] [ IEEE MMTC IGs ]
[ IEEE Computer Society ] [ IEEE Signal Processing Society ] [ IEEE Consumer Electronics Societ ] [ IEEE Systems, Man, and Cybernetics Society ]
© Henan International Joint Laboratory of Cyberspace Security Applications, 2018-2023. All Copyrights Reserved.
Henan International Joint Laboratory of Cyberspace Security Applications, Henan University of Science & Technology (HAUST), 263 Kaiyuan Ave, Luoyang 471023, P. R. of China.
China ICP Registration Granted No. 豫ICP备11003260号-1.
