结合白名单过滤和神经网络的工业控制网络入侵检测方法
来源：计算机应用杂志2018年第2期北京时间：
作者：陈万志, 李东哲
单位：辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105
摘要：工控网络异常中存在部分已知通信异常行为和部分未知通信异常行为，白名单方法能够有效地检测规则库内的已知异常行为，但对未知通信异常行为检测率低。为了在充分挖掘有效信息的基础上提升检测率，提出一种结合白名单过滤和神经网络无监督学习算法的入侵检测方法AMPSO-BP，并应用在管理网络与工业网络服务器间的路由器上。首先，利用白名单技术一次过滤不符合白名单规则库的通信行为；其次，通过神经网络无监督离线方式样本训练学习的结果二次过滤白名单信任通信行为中的异常通信。利用神经网络提升在信息不完备情况下的检测率，且根据神经网络检测结果不断完善白名单规则库，提高跨网异常通信检测率；利用自适应变异粒子群优化（AMPSO）算法作为BP神经网络的训练函数，在粒子群优化（PSO）算法基础上加入了自适应变异过程，避免了训练过程中过早陷入局部最优解。实验利用两组数据集训练和测试，实验结果表明，AMPSO-BP与白名单结合的检测方法比PSO-BP与白名单结合检测方法的准确率更高。
关键词：工业控制网络,白名单,BP神经网络算法,入侵检测,粒子群优化算法
基金资助：辽宁省自然科学基金资助项目（2015020098）；辽宁工程技术大学博士启动基金资助项目（2015-1147）；辽宁省教育厅服务地方类项目（LJ2017FAL009）。
