10、自适应神经树在网络物理系统攻击检测中的应用

自适应神经树在网络物理系统攻击检测中的应用

1. 方法论概述

本部分将介绍数据处理和训练工作流程，以复现相关结果，并对物联网（IoT）、BATADAL 和 SWAT 数据集进行实验。不同数据集的方法论各有特点，下面将详细阐述。

1.1 环境设置与数据集下载

• 系统环境 ：使用 Google 云平台的 GPU 虚拟机，操作系统为 Ubuntu 16.04，配备四个虚拟 CPU 核心、NVIDIA Tesla P100 GPU 和 15GB 内存。
• 软件环境 ：使用 Anaconda 2020.02 Linux 版本来搭建 Python 2.7 环境，同时安装 CUDA 8.0 和 PyTorch 0.3.0。Anaconda 是一个集成安装程序，包含了数据科学所需的所有必要 Python 包。
• 数据集 ：使用来自网络科学实验室的 IoT 恶意软件、BATADAL 和 SWAT 数据集。

1.2 复现原作者结果

R. Tanno 等人提出了一种名为自适应神经树（Adaptive Neural Trees，ANT）的机器学习算法，用于检测 IoT 恶意软件以及对 BATADAL 和 SWAT 攻击进行分类。由于原作者已经提供了配置细节以及如何训练内置的 MNIST 数据集，我们按照作者的配置进行模型训练并观察结果。原作者用于生成基础论文结果的配置如下表所示：
| 配置项 | 详情 |
| ---- | ---- |
| 数据