[发明专利]一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法

权利要求书

1.一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法，其特征在于包含以下步骤：

a.获取工业控制系统数据，进行相应预处理；

b.构建基于时间卷积网络的源域预训练模型；

c.构建目标域入侵检测模型；

d.利用时间卷积网络和迁移学习实现工业控制系统入侵检测。

2.根据权利要求1所述的一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法，其特征在于：

所述步骤a中，本方法中将数据采集和监控系统收集到的数据流量，构建原始数据集，对原始数据进行归一化，处理原始数据集中的噪声和奇异数据，归一化之后，将原始数据集划分为训练集D_train和测试集D_test。

3.根据权利要求1所述的一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法，其特征在于：

所述步骤b中，利用时间卷积网络构建源域预训练模型，工业控制系统的数据流量具有很强的时序性，时间卷积网络引入一维卷积、因果卷积、扩张卷积和残差连接，在处理时间序列数据上具有优异的性能。

4.根据权利要求1所述的一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法，其特征在于：

所述步骤c中，将时间卷积网络作为源域预训练模型，结合迁移学习，将源域模型学习到的知识迁移到目标域入侵检测模型，利用softmax函数实现数据流量的分类，利用损失函数对目标域网络模型进行参数调优，使其达到最好的检测效果。

5.根据权利要求1所述的一种基于时间卷积网络和迁移学习的工业控制系统入侵检测方法，其特征在于：

所述步骤d中，利用测试集D_test和调优后的目标域入侵检测模型，得出入侵检测结果，使用准确率、精确率、召回率和F1来衡量检测效果。