摘要
本发明提供了一种工业控制系统时序异常检测方法,包括以下步骤:构建时间序列,时间序列包括T个时刻的过程数据和时刻间隔内流经的字节数和数据包的数量;每个过程数据包括m个工业参数的值;通过滑动窗口对时间序列进行分片处理后,得到训练样本集;进行分片操作进行维度转换,得到分片间视角和分片内视角;将分片间视角和分片内视角依次经过时间卷积网络、通道注意力机制和自注意力网络处理后得到分片间表示分片内表示;将分片间表示和分片内表示进行维度统一后,通过利用KL散度计算两种表示的差异值,当差异值大于或等于阈值,则判定为异常。使深度学习模型能够同时从网络域和物理域两方面进行建模,使模型更加准确。
技术关键词
时序异常检测方法
分片
工业控制系统
通道注意力机制
时间卷积网络
滑动窗口
工业控制网络
训练样本集
视角
序列
时间段
可读存储介质
深度学习模型
上采样
表达式
电子设备
处理器
数据
系统为您推荐了相关专利信息
条码图像
图像分割模型
条码识别方法
通道注意力机制
编码规则
Winograd算法
系统安全监控
动态
模块
多设备协同
BiLSTM模型
电网故障诊断方法
电网故障诊断系统
时序特征
频域特征
故障节点恢复
集群配置文件
分片
负载均衡器
高性能