《表4 漏报率评估:基于混合马尔科夫树模型的ICS异常检测算法》
针对现有语义攻击检测算法因为对噪声敏感而造成的漏报率高的问题,本文提出去除训练模型中低频事件和低转移事件的剪枝策略.为了测试MMTM对异常数据检测的漏报情况,且验证本文的去噪剪枝策略对漏报率的改进效果,并与其他算法进行对比,本文将SWaT数据集中系统连续4天遭受多种语义以及非语义攻击时的交互数据包作为待检测数据,利用剪枝前MMTM、剪枝后MMTM、DFA、DTMC以及PST模型分别对以上测试数据集进行异常检测,其漏报率统计结果如表4所示.
图表编号 | XD00135239600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 张仁斌、吴佩、陆阳、郭忠义 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |