A machine learning based intrusion detection approach for industrial networks

Hanli Qiao, Jan Olaf Blech, Huazhou Chen

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

Abstrakti

Industry 4.0 and Industrial Internet of Things (IIoT) are current trends in the industrial automation world. They require connections of factory networks to the internet. This trend increases the vulnerability of factory networks to attacks. Here, we present an approach that monitors the activities of factory network traffic based on two linear feature extraction algorithms, i.e. LDA and PCA. A Machine-Learning-based approach is used to analyze the records of network connections from the UNSW-NB15 database and to detect and report anomalies such as malicious attacks. The experimental results show the feasibility of the provided method in accuracy, detection rate, and false alarm rate.

AlkuperäiskieliEnglanti
OtsikkoProceedings of the IEEE International Conference on Industrial Technology, ICIT 2020
KustantajaIEEE
Sivut265-270
Sivumäärä6
ISBN (elektroninen)9781728157542
DOI - pysyväislinkit
TilaJulkaistu - helmikuuta 2020
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Industrial Technology - Buenos Aires, Argentiina
Kesto: 26 helmikuuta 202028 helmikuuta 2020
Konferenssinumero: 21

Julkaisusarja

NimiIEEE international conference on industrial technology
KustantajaIEEE
ISSN (painettu)2641-0184
ISSN (elektroninen)2643-2978

Conference

ConferenceIEEE International Conference on Industrial Technology
LyhennettäICIT
MaaArgentiina
KaupunkiBuenos Aires
Ajanjakso26/02/202028/02/2020

Sormenjälki Sukella tutkimusaiheisiin 'A machine learning based intrusion detection approach for industrial networks'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Siteeraa tätä

    Qiao, H., Blech, J. O., & Chen, H. (2020). A machine learning based intrusion detection approach for industrial networks. teoksessa Proceedings of the IEEE International Conference on Industrial Technology, ICIT 2020 (Sivut 265-270). [9067253] (IEEE international conference on industrial technology ). IEEE. https://doi.org/10.1109/ICIT45562.2020.9067253