基于深度学习的船舶工业网络入侵检测研究
2020-11-27朱军,吴鹏
舰船科学技术 2020年5期
朱 军,吴 鹏
(连云港杰瑞深软科技有限公司,江苏 连云港 222006)
0 引 言
船舶工业是我国实施海洋强国和"一带一路"倡议的重要支撑,是《中国制造 2025》制造强国战略的重要组成部分。船舶工业目前正处于转型升级期,在船舶工业智能化建设过程中,工业互联网建设占据重要地位,工业信息安全防护尤为重要。目前,船舶工业面临的工业互联网入侵手段层出不穷,检测困难导致防护系统易受攻击。因此,为确保船舶工业互联网的安全运行,网络入侵检测至关重要[1]。
目前,针对船舶工业网络入侵检测的方法主要有,基于主元分析、反向传播(back propagation,BP)神经网络、极限学习机、粒子群等方法[2-3]。随着船舶智能化的不断提升,网络环境更加复杂,遭受网络入侵的风险逐步增加,上述方法在遇到新型入侵时,检测准确度不够好,且不具有无标签网络数据的学习能力,造成了极大的数据浪费。针对上述问题,提出基于深度学习的船舶监控网络入侵检测系统设计方法,并进行了仿真测试,本文方法提高了船舶网络入侵检测鲁棒性和准确性。
1 船舶工业网络入侵风险评估
1.1 船舶工业网络系统
船舶工业中的网络系统包括:工业控制网络、工业监控网络、工业数据网络和办公网络,如图1所示。各网络之间协同作业,确保船舶的安全运行与正常通信。

图 1 船舶工业网络系统Fig. 1 Ship industry network system
该系统通过工业控制网络与现场设备连接,并把信息传递到工作站,以便工程师了解现场状况,更加准确迅速地下达指令。……
登录APP查看全文
