HTM-CDFK：一种基于分层时间记忆的在线工业控制异常检测算法

针对高噪声工业控制系统（ICS）中传感器模式不断变化的问题，提出了一种基于层次化时序记忆（HTM）的在线异常检测算法。通过改进HTM的编码过程使其快速适应物理系统特性，并利用累积分布函数（CDF）结合高斯核卷积技术计算异常值。实验表明该方法在保持时间稳定性的同时，检测精度较基线算法提升9%，有效平衡了检测精度与实时性。

摘要：

随着工业结构的迅速发展，许多工厂开始部署异常检测系统。然而，现有的大多数异常检测算法都不适合高噪声工业控制系统（ICS）环境和不断变化的传感器模式，导致检测精度较低。为了解决这些问题，我们提出了一种基于分层时间记忆的在线异常检测算法，该算法结合了累积分布函数和高斯卷积核。我们改进了分层时间记忆的编码过程，使其能够快速适应ICS的物理过程，并记住系统的先前运行状态以用于异常识别。此外，我们的异常计算算法基于累积分布函数和高斯核卷积，有效解决了高噪声ICS环境带来的适应性和精度问题。实验结果表明，我们的方法优于最佳的基线算法。在保持良好时间稳定性的同时，我们的检测精度提高了9%，这突显了该方法在平衡检测精度和时间性能方面的显著优势。