摘要: 针对工业信息物理系统数据不平衡，从而使得基于深度学习的攻击检测方法对稀有攻击检测率低的问题，提出了一种工业信息物理系统攻击检测增强模型.该模型从原始数据集中选取出稀有攻击样本，使用梯度惩罚Wasserstein距离生成式对抗网络进行稀有攻击样本扩充，并将扩充得到的样本与原始数据集混合，形成新的数据集用于训练多层感知机，实现攻击检测.为检验模型性能，使用以Modbus作为通信协议的真实数据集进行测试.实验结果表明，与广泛采用的数据增强方法相比，攻击检测增强模型能显著改善攻击检测的能力.
关键词