面向系统漏洞修复的恶意流量漂移检测方法OA

在电力物联网(Power Internet of Things,PIoT)中,系统漏洞是攻击的主要入口,而入侵检测系统(Intrusion Detection System,IDS)则作为首道防线,负责识别异常行为与潜在威胁。然而,当前PIoT环境中部署的多数IDS仍基于静态检测模型,难以有效应对快速演化的攻击方式和动态变化的数据分布。尤其在边缘设备资源受限、系统对实时性要求较高的情况下,现有检测与修复机制在实用性和部署效率方面面临严峻挑战。因此,构建一种轻量级、低依赖、可在无标签条件下实现攻击检测与漏洞修复协同工作的安全框架,成为亟需突破的关键研究问题。针对上述问题,文中提出了一种基于狄利克雷分布熵的无监督实时流量漂移检测方法,通过狄利克雷分布建模恶意流量检测模型输出概率值的置信度,并计算其熵值作为漂移检测的度量值。此外,采用基于滑动窗口加权CUSUM型快速检测方法实时监测熵的变化,进而检测数据分布漂移。最后,在公共数据集上验证了该方法的准确性和实时性,并与其他方法进行了比较。结果表明,文中提出的漂移检测方法实现了最佳性能。