工控系统信息安全思考与建议,(非常详细)从零基础到精通,收藏这篇就够了!

工控系统主动安全防御体系的构建 目录前言一、工控安全事件二、工控安全面临的主要风险1.外围系统风险2.过程控制风险3.工控设备风险三、工控安全主要的安全防御技术1.传统安全防御技术2.PKI数字证书技术3.IPK非证书标识公钥技术四、工控安全主动安全防御体系构建思考第一、密钥技术轻量化和泛在部署问题第二、工业数据具有流动属性及场景不同的问题第三、工控设备实际使用与场景现状问题总结 前言 2021年5月10日,美国政府宣布美国17个州和华盛顿特区进入紧急状态,原因是由于当地最大燃油管道运营商遭遇了网络攻击,所以被迫关闭美国东部沿海各州的 阅读详情

**摘要:**随着工业信息化、物联网、云计算的快速发展,工控系统在各行各业中都有重要的作用,这也使得工控系统面临病毒、木马、黑客入侵、拒绝服务等信息安全威胁。本文首先介绍了工控系统研究的背景及意义,然后着重分析了工控系统的脆弱性,最后针对工控系统信息安全提出措施建议。

**关键词:**工控系统;信息安全;脆弱性

1

工控系统信息安全研究意义

当前,工控系统广泛应用于煤炭、电力、冶金、石化、石油、交通、医药等工业领域,成为国家基础建设的重要部分,随着信息技术的发展,物联网、云计算等新兴技术的涌现,以及两化融合的持续推进,工控系统的自动化和信息化势必融为一体。而这些工控系统更多的使用通用协议和软硬件,呈开放式与互联网相连接,使工控系统的安全隐患大大增加,极易被攻击,一旦工控系统出现安全问题,将对工业生产、国家建设造成重大影响。因此,工控系统信息安全对整个社会稳定和谐十分重要。

自2010年伊朗布什尔核电站遭到“震网病毒”攻击被曝光后,一系列工控系统安全事件被陆续曝光,并呈现飞速增长趋势。

近年来典型的工控系统安全事件如下:

(1)Stuxnet“震网病毒”——2010年爆发的“震网病毒”在全球大肆传播,其中近60%发生在伊朗,它破坏了伊朗浓缩铀核设施1000多台离心机故障,导致了伊朗暂缓铀浓缩活动、推迟核计划。

(2)乌克兰电网攻击事件——2015年12月乌克兰至少有三个区域的电力系统被具有高度破坏性的恶意软件攻击并导致大规模的停电,整个停电持续数小时之久,主要是利用恶意软件删除关键系统数据,使监控设备无法启动,造成巨大损失。

(3)“Wanna Cry”勒索病毒——近3年勒索病毒肆虐全球,其主要是利用Windows操作系统漏洞,将用户的重要文件进行加密,并借此向用户勒索资金。在此次攻击中,我国不仅有大量教育网、校园网用户“中招”,受到波及的范围广泛包括了工业、交通领域甚至部分政府部门。

工控系统面临的病毒、木马、黑客入侵、拒绝服务等传统的信息安全威胁,国内外频繁出现的工控系统安全事故以及工控系统信息安全的发展趋势,充分说明了进行工控系统信息安全防护的重要性。

2

工控安全脆弱性分析

工控系统具有很强的实时性和连续性,系统设备组成紧密,一旦在运行中受到干扰或恶意入侵,将使系统瘫痪进而导致生产过程失控、出现重大事故或停产。其问题主要在工控系统信息安全管理、技术和系统自身方面。

2.1 管理方面

(1)组织结构人员职责不完善,专业人员缺乏;

(2)信息安全管理制度流程不完善;

(3)应急响应机制不健全,需进一步提高信息安全事件的应对能力;

(4)人员信息安全培训不足,技术和管理能力以及人员安全意识有待提高。

2.2 技术方面

(1)未进行安全域划分,区域间未设置访问控制措施;

(2)缺少信息安全风险监控技术,不能及时发现信息安全问题,出现问题后靠人员经验排查;

(3)系统运行后,操作站和服务器很少打补丁,存在系统漏洞,系统安全配置较薄弱,防病毒软件安装不全面;

(4)存在使用移动存储介质不规范问题,易引入病毒以及黑客攻击程序;

(5)系统上线前未进行信息安全测试,无线通信安全性不足;

2.3 系统自身方面

(1)工控系统与互联网的互联性增加,导致系统开放接口增多,能被轻松访问,容易造成黑客恶意攻击;

(2)设备普遍采用国外厂商的系统和技术,自动化和信息化程度较高,容易被攻击;

(3)工控系统利用各种自动化控制技术、不同的工业协议,种类繁多,造成对设备的监管及维护较困难;

(4)工控系统传输、处理数据信息的实时性、可靠性要求较高,不能停机和重启恢复。

3

工控系统信息安全防护措施建议

针对工控系统结构信息安全的脆弱性,要提高工控系统的信息安全需要对系统每个位置进行安全防护,可采取以下防护措施:

3.1 等级保护

对工控系统中使用的相关产品实行按等级管理,对系统中发生的安全事件分等级响应、处置,采用“垂直分层,水平分区。边界控制,内部监测”进行安全域的划分。

3.2 风险评估

对工控系统进行风险评估,了解系统的架构、主要业务、软硬件设备、操作系统、网络连接等,评估系统存在的主要安全问题和潜在的风险,评定系统安全风险等级。

3.3 漏洞挖掘技术

针对工控系统开展漏洞挖掘,找出软硬件对异常情况处理不正确的地方,主要手段采用模糊测试方式。

3.4 纵深防御体系建立

针对工控系统建立纵深防御体系,设置多层重叠的安全防护系统,包括建立信息安全管理体系、使用身份认证系统、搭建基础防护应用平台、建立边界防护系统、实施分区分域防御等。

3.5 物理隔离技术

增加物理隔离网闸,主要安全模块有:安全隔离模块、安全检查模块、内核防护模块、访问控制模块、身份认证模块、安全审计模块。

3.6 安全加固

(1)在工控系统的各个子系统节点之间部署工业控制安全入侵检测系统;

(2)对工控系统的操作员站和管理员站的相关设备进行主机加固;

(3)部署工业控制运维审计平台,主要对用户登录、网络运行、数据库访问、操作系统、安全设备运行日志集中统计分析;

(4)部署第三方边界防护产品。

3.7 白名单技术

使用白名单技术有效抵御“零日”漏洞攻击和其它有针对性的攻击,也可以提供程序警报,同时还有利于保持系统以最佳性能运行,从而提高工作效率。对于正在运行的应用、工具和进程来说,白名单技术可以提供对系统的全面可视性,能够帮助抵御高级内存注入攻击。

3.8 态势感知

对系统即将面临的攻击做出判断,并对安全态势结果进行等级划分,呈现工控系统的当前安全态势,提供切实可靠的决策依据,从而保障工控系统的安全。

4

小结

工控系统信息安全的重要性不言而喻,重视工控系统信息安全建设,有利于加强重要领域内工控系统的信息安全管理,加强统筹规划和顶层设计。要完全解决工控系统存在的问题,还需我国政府机关及相关部门提高工控安全意识,构建并不断完善一个有效、科学且合理的安全机制,以此来推动我国工控系统的发展。相信通过各方面的不断努力,我国工控系统信息安全工作会取得更大的进步。

参考文献

[1] 工业和信息化部. 工业控制系统信息安全行动计划(2018-2020年)[Z]. 2017.

[2] 启明星辰集团. 启明星辰集团针对工信部<工业控制系统信息安全防护指南>的实施方案[Z]. 2016.

[3] 黄敏. 工业控制网络安全方案探讨[J]. 化工设计, 2018, ( 3 ) : 6, 42 - 44, 51.

[4] 朱庆军. 工控系统信息安全的思考与建议解析[J]. 信息系统工程, 2018, ( 2 ) : 73.

[5] 邸丽清, 高洋, 谢丰. 国内外工业控制系统信息安全标准研究[J]. 信息安全研究, 2016, 2 ( 5 ) : 435 - 441.

作者简介

史 磊(1983-),男,高级工程师,现任山西省信息产业技术研究院有限公司技术中心主任,主要从事自动化、信息化相关研究与管理工作。

郭 奇(1989-),男,工程师,现任山西省信息产业技术研究院有限公司技术中心技术主管,主要从事自动化、信息化相关研究工作。

摘自《工业控制系统信息安全产业联盟专刊(第六辑)》

end

黑客/网络安全学习包

资料目录

  1. 成长路线图&学习规划

  2. 配套视频教程

  3. SRC&黑客文籍

  4. 护网行动资料

  5. 黑客必读书单

  6. 面试题合集

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

1.成长路线图&学习规划

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。


因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

2.视频教程

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,其中一共有21个章节,每个章节都是当前板块的精华浓缩。


因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

3.SRC&黑客文籍

大家最喜欢也是最关心的SRC技术文籍&黑客技术也有收录

SRC技术文籍:

黑客资料由于是敏感资源,这里不能直接展示哦!

4.护网行动资料

其中关于HW护网行动,也准备了对应的资料,这些内容可相当于比赛的金手指!

5.黑客必读书单

**

**

6.面试题合集

当你自学到这里,你就要开始思考找工作的事情了,而工作绕不开的就是真题和面试题。

更多内容为防止和谐,可以扫描获取~

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

优快云大礼包:《黑客&网络安全入门&进阶学习资源包》免费分享

关于工控系统信息安全的一些思考 一、工控产品的安全风险 1.产品来源     我国绝大部分工控系统的建设过程中,大型系统集成项目都由国外厂商参与实施,并且其中集成的实现细节不予公布。目前我国工控产品的核心技术受制于国外,不排除进口的电子设备、制造设备、工控开发软件等工控产品中留有后门、木马的可能性,在未来的信息战中潜在风险巨大。 2.产品漏洞     据ICS-CERT及DHS CSSP对工控软件脆弱性进行的评测分析,工 阅读详情

相关推荐

工厂自动化布线实战:从功率计算到线槽布局的完整避坑指南

本文详细介绍了工厂自动化布线的实战经验,从功率计算到线槽布局的完整避坑指南。通过三步计算法确定线径需求,强调电压降控制的重要性,并分享线槽布局的50%法则和强弱电分离技巧。特别针对移动设备和多芯信号线提供专业解决方案,帮助工程师避免常见错误,提升布线效率和质量。

weixin_29266007的博客 353

Burpsuite 指纹特征绕过

需要高版本 17 + 的 burp 运行插件,可 bypass 网站流量设备的检测,正常抓包。未使用插件前,burp 指纹特征被识别,抓包被拦截。

Javachichi的博客 6642

本地部署ComfyUI:开源AI生图与视频生成完整实战指南

在生成式AI应用快速普及的今天,云端工具常受制于排队、积分和素材管理等问题,而本地化部署正成为开发者与创作者的高效替代方案。其核心思路是基于开源工作流引擎,将图像生成、视频生成与后期处理整合到同一套可离线运行的系统中。ComfyUI作为当前最受关注的节点式工作流平台,凭借灵活的模块组合和强大的自定义能力,降低了从图像模型调用到视频扩展的工程门槛。本文从环境配置与依赖安装入手,系统讲解如何部署ComfyUI、加载Checkpoint模型、跑通文生图基础流程,再通过自定义节点接入视频生成能力,同时介绍API批量

weixin_30985047的博客 577

工业控制系统 | 信息安全建设思路,从零基础到精通,收藏这篇就够了!

因此,提升对工控系统信息安全问题的认识,加强安全投入和管理,是当前亟待解决的问题。**数据安全:**通过对工业控制软件和业务数据的多方面梳理防护,确定分类分级策略有针对性地对文件数据的完整性和保密性实现防护,数据安全分类分级的实施旨在保障工控业务的安全,确保生产持续稳定进行,防止企业关键核心数据的泄密,从而提升企业的竞争力。**人员安全管理:**内部和外部人员安全管理制度旨在规范人员录用、离岗等过程,确保安全控制,减少因人员变动带来的风险,并提高从事信息安全相关工作人员的业务素质和工作能力。

Python_0011的博客 1402

汽车以太网- IEEE 802.3标准

关于汽车以太网,大家看到最多的标准大概就是IEEE802.3bw,也就是我们车内使用的百兆以太网,专业称呼是100BASE-T1,该标准是车内百兆以太网的物理层协议,是我们学习汽车以太网必须要了解的协议。在正式了解协议之前,我们先介绍下什么是IEEE802.3标准。............

weixin_39974126的博客 7109

使用 MATLAB/Simulink 构建一个 核电站汽轮机与发电机协调控制系统 的仿真模型

在核电机组中,汽轮机-发电机系统是将核能最终转化为电能的关键环节。与火电机组不同,核反应堆的热惯性大、功率调节慢,因此汽轮机的控制策略需与反应堆特性相匹配,实现安全、稳定、高效的能量转换。维持发电机输出功率/频率稳定(响应电网调度)调节汽轮机进汽压力(匹配一回路蒸汽供应)实现“堆-机协调控制”保障机组在启停、变负荷、甩负荷等工况下的安全性本教程将带你使用构建一个核电站汽轮机与发电机协调控制系统汽轮机调速系统(调门控制)建模发电机与电网接口建模(同步机)

xiaoheshang_123的博客 188

工控安全 | 工业控制系统安全,从零基础到精通,收藏这篇就够了!

工控系统通常包括,制造执行系统(MES),监控和数据采集(SCADA)系统,分布式控制系统(DCS),可编程逻辑控制器(PLC)等组件。2016年10月,随着工业4.0的推进,国务院要求进一步推进制造业与互联网融合发展,工信部印发了《工业控制系统信息安全防护指南》,要求工业控制系统应用企业应从十一个方面做好工控安全防护工作,涉及安全软件选择与管理、配置和补丁管理、边界安全防护、物理和环境安全防护、身份认证、远程访问安全、安全监测和应急预案演练、资产安全、数据安全、供应链管理及落实责任。

Libra1313的博客 2324

LeRobot 官方论文:一个用于端到端机器人学习的开源库

本文介绍了一个名为LeRobot的开源库,旨在解决机器人学习领域的碎片化问题。该库提供了端到端的技术栈,包括统一的机器人中间件API、标准化的数据集格式(LeRobotDataset)、优化的推理栈以及多种最先进机器人学习算法的实现。LeRobot支持多种低成本开源机器人平台(如SO-10X、ALOHA-2等),通过共享中间件实现便捷的遥操作和数据收集。其数据集格式已广泛应用于社区,截至2025年9月已有16,000多个数据集公开共享。该库还支持流式处理大规模数据,降低了研究门槛。在模型方面,LeRobot

2506_90492529的博客 906

工控安全 | 工业控制系统安全, 从零基础到精通,收藏这篇就够了!

工控系统通常包括,制造执行系统(MES),监控和数据采集(SCADA)系统,分布式控制系统(DCS),可编程逻辑控制器(PLC)等组件。2016年10月,随着工业4.0的推进,国务院要求进一步推进制造业与互联网融合发展,工信部印发了《工业控制系统信息安全防护指南》,要求工业控制系统应用企业应从十一个方面做好工控安全防护工作,涉及安全软件选择与管理、配置和补丁管理、边界安全防护、物理和环境安全防护、身份认证、远程访问安全、安全监测和应急预案演练、资产安全、数据安全、供应链管理及落实责任。

leah126的博客 3227

Python 爬虫 + 数据分析:社会调查数据抓取与结果可视化分析

在当今数字化时代,数据已成为推动社会发展的关键资源之一。无论是市场调研、学术研究还是政策制定,社会调查数据都扮演着至关重要的角色。通过 Python 爬虫技术,我们可以高效地获取这些数据,并结合数据分析与可视化工具,深入挖掘数据背后的价值。本文将通过一个完整的实战项目,带你掌握如何使用 Python 爬虫抓取社会调查数据,并进行可视化分析。

yansideyucsdn的博客 126

基于FMU的Star CCM+与Amesim复杂控制联合分析

基于FMU的Star CCM+与Amesim复杂控制联合分析

2201_75375391的博客 2017

深度 | 工控系统信息安全思考与建议,从零基础到精通,收藏这篇就够了!

当前,工控系统广泛应用于煤炭、电力、冶金、石化、石油、交通、医药等工业领域,成为国家基础建设的重要部分,随着信息技术的发展,物联网、云计算等新兴技术的涌现,以及两化融合的持续推进,工控系统的自动化和信息化势必融为一体。本文首先介绍了工控系统研究的背景及意义,然后着重分析了工控系统的脆弱性,最后针对工控系统信息安全提出措施建议。工控系统面临的病毒、木马、黑客入侵、拒绝服务等传统的信息安全威胁,国内外频繁出现的工控系统安全事故以及工控系统信息安全的发展趋势,充分说明了进行工控系统信息安全防护的重要性。

leah126的博客 711

【29】软考软件设计师——SQL语句编写与优化深度精讲|数据库大题延伸满分攻略

本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏第29篇,承接第28篇ER图转关系模式核心内容,作为**下午第2题数据库大题核心延伸必考模块**,单模块累计占分5~8分,是数据库板块性价比极高的提分重点。全文超4000字深度拆解软考全部SQL高频考点:全覆盖多表连接底层逻辑、嵌套子查询分类实操、GROUP BY分组聚合硬核规则、索引全品类设计原理、联合索引最左匹配底层机制,搭配海量可直接复刻的考场SQL模板、历年真题完整改写案例、索引失效场景实操复盘、慢查询优化落地技巧。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 525

工控系统安全隐患及发展趋势, 从零基础到精通,收藏这篇就够了!

因此,控制工业供应链的安全情况变得更加复杂严肃。本文在介绍工控系统概念、组成、常用传输协议的基础上,分析了可能存在的安全隐患,继而从全球工控安全厂家产品和服务、工控安全态势两个维度对工控安全现状进行了总结,最后对未来工业控制网络安全新技术、新理念进行了展望,以期为业界工控技术的发展起到一定指导作用。数字孪生以数字化的方式建立物理实体的多维、多时空尺度、多学科、多物理量的动态虚拟模型来仿真和刻画物理实体在真实环境中的属性、行为、规则等(如图4所示),其先进理念推动了智能制造、工业互联网等领域的技术进步。

Python_0011的博客 1141

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

工业控制安全现状及趋势分析, 从零基础到精通,收藏这篇就够了!

本章节将概述工控系统的组成以及在其中存在的安全问题;在此基础之上,概述工控系统中的常用协议及其中潜在的安全隐患。

logic1001的博客 2170

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

工业控制信息安全标准介绍,零基础入门到精通,收藏这篇就够了

IEC/TC57 则关注于电力系统管理和相关信息的交换,WG15 负责制定系统的数据和通信安全方面的标准,已经被我国电力系统转化为行业标准。其中 SP 800-82(工控系统安全指南)专门分析了工业控制系统的特点、面临的威胁和存在的漏洞,说明了如何开发和部署一个工业控制系统的安全项目,并基于 SP 800-53(联邦信息系统推荐安全控制)针对 FIPS199 所定义的不同级别系统推荐了不同强度的安全控制集(包括管理、技术和运行类)对工业控制系统提出了建议和指导。的事情了,而工作绕不开的就是。

leah126的博客 802

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

工业信息安全行业技术水平及技术特点,从零基础到精通,收藏这篇就够了!

目前,工业信息安全领域面向高安全性,高可用性,高可靠性的工业系统应用需求,经过多年积累,在网络安全设备技术领域和安全服务领域,国内工业信息安全厂商已经具备较高水平。随着国产芯片的技术发展,芯片的性能及稳定性有了极大的提升,使得应用逐步得到普及,大力推进工业信息安全产品国产化进程,大部分主流厂家都着力产品国产化设计研发,并投入工业互联信息安全应用,为我国关键信息基础设施的安全运行保驾护航。这也是耗费了大白近四个月的时间,吐血整理,文章非常非常长,觉得有用的话,希望粉丝朋友帮忙点个**「分享」

leah126的博客 850

工业控制系统 | 信息安全建设思路,从零基础到精通,收藏这篇就够了!_工控系统信息安全

随着工业生产对管理和控制一体化的需求日益增强,以及网络、通讯等信息技术的广泛应用,工业控制系统(工控系统)与企业网中的管理信息系统(如MES、ERP)逐渐实现了互联互通互操作。这种融合提高了生产效率和管理水平,但也带来了安全风险。由于工控系统与企业网之间的连接,从研发、管理、消费到生产等各个环节,都可能成为网络攻击或病毒传播的入口。因此,工控系统面临的安全风险正在不断加剧。

yy1715713348的博客 1002

工控安全从入门到实战(非常详细)零基础入门到精通,收藏这一篇就够了

工业控制系统网络是工业化与信息化融合的产物,我国工控领域的安全性问题突出, 工控系统的复杂化、IT 化和通用化加剧了系统的安全隐患,增大了潜在威胁。应进一步推动相关企业研究适合我国实际情况的工控系统安全防护技术,不断提升企业工控系统的综合保障能力,保证国家重要基础设施的安全运行。今天就整理了一批HVV攻防技术和面试题汇总,不仅帮你“打赢”这场HVV面试站,也让你更好地了解网络安全。

Python84310366的博客 984

工控安全系列(二)丨工控系统安全防护措施,从零基础到精通,收藏这篇就够了!

随着工业自动化的不断发展,工控系统作为生产和基础设施中重要的组成部分,面临着越来越多的安全威胁,这些安全威胁可能导致生产或基础设施的中断、瘫痪和损失等风险,安全威胁的分析与防范成为保障工控系统安全运行的必要措施。此外,网络钓鱼、中间人攻击等手法也使工控系统的安全性岌岌可危。工业控制系统信息安全防护措施需要从物理安全、网络安全、主机安全、应用安全、数据安全、人员安全和管理安全等方面综合考虑,确保工业控制系统的安全性。工控系统的物理设备,如传感器、执行器等,一旦遭受破坏或篡改,可能导致整个生产线的故障。

Javachichi的博客 1203

工信部:2024上半年我国信息安全领域收入909亿元,从零基础到精通,收藏这篇就够了!

随着工业自动化的不断发展,工控系统作为生产和基础设施中重要的组成部分,面临着越来越多的安全威胁,这些安全威胁可能导致生产或基础设施的中断、瘫痪和损失等风险,安全威胁的分析与防范成为保障工控系统安全运行的必要措施。此外,网络钓鱼、中间人攻击等手法也使工控系统的安全性岌岌可危。工业控制系统信息安全防护措施需要从物理安全、网络安全、主机安全、应用安全、数据安全、人员安全和管理安全等方面综合考虑,确保工业控制系统的安全性。工控系统的物理设备,如传感器、执行器等,一旦遭受破坏或篡改,可能导致整个生产线的故障。

Javachichi的博客 824

工控安全 工业控制系统安全, 从零基础到精通,收藏这篇就够了!

工控系统的主要目标是实现工业自动化生产线的物流控制、设备信息监控及诊断处理,其主要功能包括设备管理、任务管理、日志管理、调度管理、诊断管理、系统仿真等。工控系统通常包括,制造执行系统(MES),监控和数据采集(SCADA)系统,分布式控制系统(DCS),可编程逻辑控制器(PLC)等组件。MES系统主要对生产过程进行管理,如制造数据管理、生产调度管理、计划排程管理等。SCADA系统通常使用中心化的数据采集和监控手段来控制分散的设施。DCS系统通常用于控制本地区域内的生产系统,例如监控和调节本地工厂。

2401_84578953的博客 1343
上一篇: 最新RAG知识库问答的应用,(非常详细)从零基础入门到精通,收藏这篇就够了
下一篇: 信息安全-终端安全(非常详细),从零基础到精通,收藏这篇就够了!
程序员_大白
博客等级 码龄5年 1万+粉丝 4001原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值