關鍵詞：工控網絡 入侵檢測 自編碼器 極限學習機 

摘要：針對目前未知工業控制網絡攻擊檢測方法處于初級階段,淺層次的選取特征分類導致檢測率較低的問題,提出一種稀疏自編碼-極限學習機入侵檢測模型。該文所提算法通過深度學習的稀疏自編碼器在訓練時結合編碼層的系數懲罰和重構誤差對高維數據進行特征提取,再運用極限學習機對提取的特征進行快速有效地精準分類,使用工控入侵檢測標準數據集對算法準確性進行了驗證,通過和不同類型的入侵檢測模型進行比較。結果表明:該文方法可以有效提升入侵檢測系統性能,符合工業控制入侵檢測“高精度、低誤報”的要求。

南京理工大學學報雜志要求:

{1}引用大型常用出土文獻合集，可使用括注，括注應使用不同于正文的字體。第一次應使用全稱，第二次可使用簡稱。

{2}論文作者自愿將其擁有的對該論文的匯編權（論文的部分或全部）、翻譯權、印刷版和電子版的復制權、網絡傳播權和發行權轉讓給編輯部。

{3}參考文獻：論著文章要求15條以上，主要引用近3～5年內的新文獻。按GB7714-87《文后參考文獻著錄規則》采用順序編碼著錄，依照其在文中出現的先后順序用阿拉伯數字標出。

{4}論文可以寫200字以內的中文摘要和3～5個關鍵詞，若論文受到省、部級以上基金項目支持，請注明基金名稱和項目編號。

{5}來稿為基金資助項目請注明何種基金資助項目或課題（并附編號）。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社