基于改进Lightgbm的CPS网络攻击识别模型

摘要

针对信息物理融合系统(Cyber-Physical-System,CPS)网络攻击识别难的问题,首先引入焦点损失函数对Lightgbm集成算法进行改进;然后针对CPS攻击样本的不平衡性,采用K均值算法对数据进行聚类处理,再利用JMIM筛选最优特征集;最后构建Lightgbm集成学习算法的网络攻击识别模型,并通过Python3.7进行试验。结果表明,在大、小样本下,该模型在准确率、F_(1)值、召回率等指标上都表现出很好的优势;与SVM、ANN等机器学习算法相比,在精度、F_(1)值等指标上都高于传统算法;加入噪声后,无论大、小样本,该模型都具有很高的分类精度,表现出很强的抗干扰能力。因此,该模型构建精度高,且适用性强。