基于深度学习的数据安全协同防御系统研究
DOI: https://doi.org/10.64083/STE2610823
作者
桑金旭，张艳玲，孙玉冰，周培祥，刘晓彤，刘伟伟
摘要
针对工业控制系统在IT/OT深度融合背景下暴露出的未知威胁识别滞后、单点防护能力分散和跨节点响应效率不足等问题，本文提出一种基于深度学习的数据安全协同防御系统。系统由数据安全网关、多协议数据安全学习模块和网络安全防火墙模块组成，通过多源数据采集、特征预处理、CNN-LSTM/Transformer异常检测、可信计算认证和分布式联动响应，形成从数据感知、威胁识别、策略生成到执行反馈的闭环防护机制。研究表明，该体系能够将网络流量、用户行为、文件操作审计和外部威胁情报进行统一分析，提升工业网络中异常行为识别和动态处置能力。在原方案指标基础上，系统检测F1-score可达到95%以上，误报率低于5%，并能将联动响应时间压缩至秒级，为关键基础设施和工业现场的数据安全防护提供了可扩展的技术路径。
关键词
深度学习；协同防御；可信计算；CNN-LSTM；工业控制安全；纵深防御
