工业控制系统的实时异常检测数据集

该数据集包含交通行业工业控制系统的相关信息，如网络流量、攻击时间信息。该数据集中的攻击流量用于检测偏离正常网络-物理模型的异常行为。该数据集从多个维度进行了分析，以支持工业控制系统中的实时异常检测。本数据集从通过监听攻击端与Schneider Electric SA Modbus MODICON M340 PLC之间，以及主站与从站之间的网络流量得到。数据的主要分析包括：1）轮询时间模式：利用数据集研究轮询响应时间和周期，减轻数据包丢失和网络延迟的影响，以提高异常检测的准确性。2）过渡时间和行动时间模式：分析的重点是捕捉过渡时间序列，以识别改变过渡顺序的攻击。还研究了动作时间，以区分网络延迟和长时间攻击。3）周期和非周期性状态：对数据进行了仔细研究，以检测工业流程中的周期性模式，同时避免将良性的非周期性操作错误归类为异常情况。4）基于事件的系统状态：将数据集中的过程变量映射为事件，从而创建网络物理模型，有效减少状态爆炸，提高异常识别能力。数据量大小为674MB。

搜集汇总

背景与挑战

背景概述

该数据集采集自交通行业工业控制系统的网络流量，重点关注轮询时间、过渡时间和周期性状态等多维度分析，旨在支持实时异常检测，以提高系统安全性。数据量约为674MB。