【出 处】：《 计算机仿真 》 CSCD 2015年第32卷第9期 295-298页,共4页

【作 者】： 杨斌 ; 段娜 ; 赵军民

【摘 要】 针对工业控制网络中入侵行为产生的波动，传统的抑制方法在工作过程中，由于入侵波动具有隐匿性、无序性与不稳定性，加之网络噪声的干扰，造成抑制源过多，无法有效辨认，存在效果差、抑制效率低的缺陷。提出利用贝叶斯推理与RBF神经网络优化算法相融合的工业控制网络中入侵波动的抑制方法。采用贝叶斯相关理论建立网络入侵检测的数学模型，实现网络入侵的检测，对网络入侵的波动范围加以确定，依据RBF神经网络优化算法分别计算网络的误差信号及误差阀值，并进行比较，以此作为算法终止的判定条件，通过对时间进行周期性设置从而实现连接权值的实时修正，输出最佳入侵波动的抑制结果。实验结果表明，采用改进算法进行工业控制网络中入侵波动的抑制，能够达到满意的抑制效果，有效的提高网络入侵检测的准确率与检测效率，提高了工业控制网络的安全性与稳定性。