第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1基于知识的异常检测方法研究现状
1.2.2基于统计的异常检测方法研究现状
1.2.3基于机器学习的异常检测方法研究现状
1.3 论文组织结构
第二章 相关理论与方法概述
2.1 SCADA系统
2.1.1 系统简介
2.1.2 系统网络体系架构和风险分析
2.2 相关方法
2.2.1 循环神经网络
2.2.2 长短时记忆网络
2.2.3 AdaGrad
2.2.4 RMSProp
2.2.5 集成学习
2.3 本章小结
第三章 基于Adam优化GRU神经网络的异常检测方法
3.1 GRU神经网络
3.2 异常检测流程
3.2.1 数据预处理
3.2.2 数据标准化
3.2.3 Adam优化的模型训练
3.3 实验结果与分析
3.3.1工控数据集简介
3.3.2 仿真参数与评价指标
3.3.3 结果与分析
3.4 本章小结
第四章 基于孤立森林和信息增益的异常检测方法
4.1 方法介绍
4.1.1 孤立树
4.1.2 孤立森林
4.2 异常检测流程
4.2.1 基于信息增益的特征选择
4.2.2 训练阶段
4.2.3 测试阶段
4.3 实验结果与分析
4.3.1 数据集简介
4.3.2 仿真参数与评价指标
4.3.3 结果与分析
4.4 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
声明
致谢
