基于分布式线性深度学习的工控异常检测方法

本发明涉及工业控制系统技术领域，具体涉及基于分布式线性深度学习的工控异常检测方法，对时序数据进行时序双边滤波，有效去除了时序数据中的噪声，也能保留对单个或少数传感器进行攻击的信息，解决了传统双边滤波用于时序序列时，因传感器数据位置不同而造成滤波后数据不同的问题，采用分布式方法将大问题拆分成多个小问题，能将数据、任务等分配到多台机器上并行执行，采用了掩码的方法去除冗余。设计的模型简单有效，再根据验证集的预测误差调整异常检测的阈值，该方法不仅可以检测异常攻击，还可以对引起异常的传感器进行定位，从而解决了现有的工控异常检测方法易受各种噪声干扰、模型复杂和内存花费较高的问题。