标题：面向工业机器人系统的入侵检测系统的应用研究
作者：万彬彬 赵郑斌 巩潇 崔登祺 李梦玮
作者单位：中国软件评测中心（工业和信息化部软件与集成电路促进中心），北京 100084
关键字：机器学习；工业机器人；防护策略；鲁棒性；入侵检测系统
摘要：针对工业机器人的控制系统通过使用基于Jacobian的显著图攻击生成对抗样本并探索分类行为，探索对抗学习算法优化目标监督模型，并探讨在工控网络防御过程中使用对抗机器学习算法训练的监督模型，是否有助于改善人工智能算法对网络安全防御系统的鲁棒性。基于构建的工业机器人的自身的网络环境，采用定向漏洞攻击，并通过网关采集过程中产生的流量数据，用于对抗机器学习算法的优化和完善。总体而言，在对抗机器学习算法中，两种广泛使用的分类器Random Forest和J48的分类性能分别下降了16和20个百分点，表明采用对抗性机器学习算法的防护策略的鲁棒性改善明显，能有效防护相关系统的网络攻击。