２０２３年７月第４４卷第７期计算机工程与设计ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＪｕｌｙ２０２３Ｖｏｌ．４４■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■Ｎｏ．７基于深度降噪自编码神经网络的ＳＣＡＤＡ系统异常检测满雯妍，李红娇＋（上海电力大学计算机科学与技术学院，上海２０００９０）摘要：针对ＳＣＡＤＡ系统数据特征提取难度大导致异常检测准确率低、漏报率高的问题，提出一种基于深度降噪自编码神经网络的ＳＣＡＤＡ系统异常检测方法。采用降噪自编码器，将前一个自编码器的输出作为下一个自编码器的输入，连接构建深度神经网络结构加强特征学习能力，为优化网络参数，改进重构误差函数，提高模型的重构能力。使用ＳＣＡＤＡ系统数据集测试所提方法，实验结果表明，与其它异常检测方法相比，该方法在保证较高准确率的同时能有效降低漏报率。关键词：数据采集与监控系统；异常检测；降噪自编码器；神经网络；深度学习；特征学习；重构误差中图法分类号：ＴＰ３９３．０８；ＴＰ１８３文献标识号：Ａ文章编号：１０００－７０２４（２０２３）０７－１９７７－０８ｄｏｉ：１０．１６２０８／ｊ．ｉｓｓｎ１０００－７０２４．２０２３．０７．００８收稿日期：２０２１－１２－２８；修订日期：２０２３－０６－２１基金项目：国家自然科学基金项目（６１４０３２４７、６１７０２３２１）作者简介：满雯妍（１９９７），女，湖北襄阳人，硕士研究生，研究方向为入侵检测；＋通讯作者：李红娇（１９７４），女，河南洛阳人，博士，副教授，研究方向为入侵检测、网络安全与隐私保护等。Ｅ－ｍａｉｌ：ｈｊｌｉ＠ｓｈｉｅｐ．ｅｄｕ．ｃｎＤｅｅｐｄｅｎｏｉｓｉｎｇａｕｔｏｅｎｃｏｄｅｒｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｆｏｒＳＣＡＤＡｓｙｓｔｅｍｓＭＡＮＷｅｎ－ｙａｎ，ＬＩＨｏｎｇ－ｊｉａｏ＋（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｓｈａｎｇｈａｉ２０００９０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｌｏｗａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｈｉｇｈｆａｉｌｕｒｅｒａｔｅｃａｕｓｅｄｂｙｔｈｅｄｉｆｆｉｃｕ...
