工业控制系统跨域跨时空安全事件发现数据集

该数据集包含在正常行为（7天）下的数据，另一个是在总共41次网络攻击（4天）期间的数据。本研究采用该数据集进行跨域跨时间安全事件发现分析，利用该数据中的时序特征，网络特征和传感器特征，挖掘工控系统的时序性以及传感器之间的关联性，并利用该数据集中的正常数据建立正常工控行为模型，并根据异常数据挖掘出带有跨域跨时空的安全事件。该数据集在工业控制领域是有重大影响的，从2015年至今该数据集一直活跃在学术和应用领域。包括近几年也有大量的工控领域TOP期刊应用该数据集进行文章发表，如发表在2024年的中科院TOP期刊EAAI中的Deep one-class classification model assisted by radius constraint for anomaly detection of industrial control systems，2024年发表在trans 中科院TOP期刊TII上的Abnormal Logical Representation Learning for Intrusion Detection in Industrial Control Systems等，均采用该数据集进行异常事件的挖掘，体现出该数据在异常事件发现问题上卓越的贡献，数据量大小为108GB。