倪 旻，曲金帅，范 菁，刘译文，李鸿，邱 阳

(1.云南民族大学 电气信息工程学院，云南 昆明 650504；2.云南民族大学 云南省高校信息与通信安全灾备重点实验室， 云南 昆明 650504；3.云南民族大学 云南省高校无线传感器网络重点实验室，云南 昆明 650504；4.云南民族大学 社会学院，云南 昆明 650504)

自第1次工业革命以后，工业控制系统(industrial control system，ICS)对于国家的建设起到至关重要的作用，包括石油、化工、电力、制造业等.随着信息技术的发展[1]，越来越多ICS连接到外网，使得ICS容易受到入侵的威胁.

入侵检测系统(intrusion detection system，IDS)是通过监控和分析网络活动来检测网络异常最重要的安全机制之一[2].目前，IDS在工业网络中的应用越来越受到重视.与机器学习等领域相关的入侵检测技术正成为研究热点，归根结底就是模式识别中的分类.许多专家也提出了一些有效的工控入侵检测方法.陈万志等[3]利用白名单可以设置连续特征的特征范围和常见特征，神经网络则用于检测特征不完备或多特征异常情况，体现了入侵检测的有效性.於帮兵等[4]使用长短时记忆网络(LSTM)避免了梯度消失和记忆能力不足等问题，将SMOTE算法运用于少数类样本的采样，数据不平衡的问题迎刃而解，实现了对ICS良好的入侵检测.石乐义等[5]采用了相关信息熵，使其起到特征选择的作用，达到去除噪声，并针对不平衡样本采用Borderlines-SMOTE进行处理，同时在空间和时间维度上，CNN-BiLSTM模型提取数据特征，保证了良好的检测效果.Süzen等[6]提出了混合深度信念网络模型，即……