TY - A2的拉乌夫塔亚布哈菲兹AU -海德尔,阿比德盟——汗,Sarmadullah AU -穆罕默德,阿卜杜拉AU -汗,沙赫巴兹AU -汗Razaullah PY - 2022 DA - 2022/05/14 TI -沥青工厂通过机器学习技术的漏洞评估SP - 9496123六世- 2022 AB -最近许多企业在全球范围内实现价值的监控和数据采集(SCADA)系统。许多关键的基础设施,如电网、沥青植物,和污水处置,由这些系统控制。通过引入第四次工业革命,4红外或行业4.0,今天的SCADA系统不能脱离外面的世界,使他们更容易受到恶意攻击。传统的安全系统包括不同的杀毒软件和防火墙无法保障SCADA系统不同的需求。为此,不同的机器学习算法,即。、支持向量机、资讯和随机森林,测试覆盖异常检测以及SCADA系统的安全保护。本研究中使用的数据集是由本地的沥青工厂通过使用不同传感器数据分为两类:一是自然信号值,另一个是攻击类不同的传感器值的范围在操作的发现。在上述算法,然而,表现的异常检测的准确率为89%,任何形式的外部攻击可以检测并通知控制室准时行动。SN - 1574 - 017 - 2022/9496123 / 10.1155 x你——https://doi.org/10.1155/2022/9496123——摩根富林明-移动信息系统PB - Hindawi KW - ER