优秀论文 | 工业控制系统安全威胁分类模型研究

主要观点总结

文章关注工业控制系统面临的安全威胁，结合通用网络数据集和工控专用数据集，将一维卷积神经网络和注意力机制相融合，以提高威胁分类的准确性和适用性。

关键观点总结

关键观点1: 工业控制系统面临的安全威胁

文章指出工业控制系统存在面临高强度持续攻击威胁的确定性，以及面临未知威胁的不确定性，需要综合考虑通用性和行业特性进行威胁识别。

关键观点2: 神经网络模型的融合

文章将一维卷积神经网络和注意力机制相融合，用于通用网络威胁和工控时序威胁分类。这种融合模型具有良好的特征捕捉能力，并提升了识别准确率。

关键观点3: 传统方法与深度学习方法的比较

文章介绍了传统威胁分类方法（如基于签名和异常行为的方法）和深度学习方法的优缺点，并指出深度学习方法在工控场景中的局限性。

关键观点4: 模型的实验验证

文章通过实验验证了融合注意力机制后的一维卷积神经网络模型在通用网络数据和工控时序数据中均具有良好的性能。