基于WiSARD无权重神经网络的铁路信号系统入侵检测方法研究

铁路信号系统是保障列车高效安全运行的关键信息基础设施，其安全性直接影响到行车安全。为保证信号系统的网络安全，需准确检测网络入侵。提出基于WiSARD无权重神经网络的铁路信号系统入侵检测方法：采用一种新型数据集构建信号系统流量特征，依据RSSP-I/II协议特点，利用核主成分分析法进行降维处理；选取信号系统中常见的4种攻击方式并结合真实流量组成训练数据集；从准确率和F₁两方面，对比WiSARD和其余3类典型神经网络算法分别在单一、混合攻击流量下的性能。实验结果表明：WiSARD在平均准确率和时间开销之间提供了最佳权衡，能有效提高信号系统入侵检测效率，为提升网络安全感知能力提供有力支撑。