关键词：工控网络 入侵检测 自编码器 极限学习机 

摘要：针对目前未知工业控制网络攻击检测方法处于初级阶段,浅层次的选取特征分类导致检测率较低的问题,提出一种稀疏自编码-极限学习机入侵检测模型。该文所提算法通过深度学习的稀疏自编码器在训练时结合编码层的系数惩罚和重构误差对高维数据进行特征提取,再运用极限学习机对提取的特征进行快速有效地精准分类,使用工控入侵检测标准数据集对算法准确性进行了验证,通过和不同类型的入侵检测模型进行比较。结果表明:该文方法可以有效提升入侵检测系统性能,符合工业控制入侵检测“高精度、低误报”的要求。

南京理工大学学报杂志要求:

{1}引用大型常用出土文献合集，可使用括注，括注应使用不同于正文的字体。第一次应使用全称，第二次可使用简称。

{2}论文作者自愿将其拥有的对该论文的汇编权（论文的部分或全部）、翻译权、印刷版和电子版的复制权、网络传播权和发行权转让给编辑部。

{3}参考文献：论著文章要求15条以上，主要引用近3～5年内的新文献。按GB7714-87《文后参考文献著录规则》采用顺序编码著录，依照其在文中出现的先后顺序用阿拉伯数字标出。

{4}论文可以写200字以内的中文摘要和3～5个关键词，若论文受到省、部级以上基金项目支持，请注明基金名称和项目编号。

{5}来稿为基金资助项目请注明何种基金资助项目或课题（并附编号）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社