[發明專利]工業物聯網異常行為檢測方法、可讀存儲介質和終端

在審

• 申請號: 201811491056.6
• 申請日: 2018-12-06
• 公開（公告）號: CN109547455A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 孫雁飛;亓晉;裴玉青
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

一種工業物聯網異常行為檢測方法、可讀存儲介質和終端，所述方法包括：獲取對應的工業物聯網異常行為檢測模型；所述工業物聯網異常行為檢測模型為采用深度自動編碼器和深度前饋神經網絡對所獲取的原始網絡流量數據進行訓練得到；將待檢測的工業物聯網網絡流量數據輸入所述工業物聯網異常行為檢測模型，得到對應的工業物聯網異常行為檢測結果。上述的方案，可以提高工業物聯網異常行為檢測的準確性。

技術領域

本發明屬于工業物聯網技術領域，特別是涉及一種工業物聯網異常行為檢測方法及裝置、可讀存儲介質和終端。

背景技術

工業云、工業大數據及智能化裝備構成的工業智能化已經成為新型工業形態的顯著特點。云端的數據分析與應用、本地的現場控制、邊緣側的數據處理與響應，三端相結合協同發展形成的多層面互聯互通趨勢也帶來了產業的大規模升級。

工業物聯網需要把數以億計的終端工業設備連入互聯網，使得原本相對封閉的工業控制網絡變得越來越開放。開放帶來便捷和效能的同時，漏洞數量和利用漏洞形成有效攻擊的數量也在不斷攀升，使工業網絡安全面臨著極大的挑戰。

現有技術中，為了檢測工業物聯網網絡攻擊，必須部署網絡入侵檢測系統用于監視和檢測整個網絡系統中的可疑事件，其方法分為基于簽名的檢測和基于異常的檢測兩種，但卻存在著檢測準確性低等問題。

發明內容

本發明解決的技術問題是如何提高工業物聯網異常行為檢測的準確性。

為了達到上述目的，本發明提供一種工業物聯網異常行為檢測方法，所述方法包括：

獲取對應的工業物聯網異常行為檢測模型；所述工業物聯網異常行為檢測模型為采用深度自動編碼器和深度前饋神經網絡對所獲取的原始網絡流量數據進行訓練得到；

將待檢測的工業物聯網網絡流量數據輸入所述工業物聯網異常行為檢測模型，得到對應的工業物聯網異常行為檢測結果。

可選地，所述工業物聯網異常行為檢測模型采用如下的方式訓練得到：

獲取工業物聯網中的原始網絡流量數據；

將所獲取的原始網絡流量數據進行預處理，得到預處理后的原始網絡流量數據；所述預處理包括網絡流量特征轉換和特征歸一化操作；

采用所述深度自動編碼器算法對預處理后的原始網絡流量數據進行無標記訓練，得到所述工業物聯網異常行為檢測模型的估計參數；

采用深度前饋神經網絡和預處理后的原始網絡流量數據進行有標記訓練，對所述工業物聯網異常行為檢測模型的估計參數進行優化，得到所述工業物聯網異常行為檢測模型。

可選地，采用如下的公式對所提取的網絡流量特征進行歸一化：

其中，Z⁽ⁱ⁾表示歸一化后的第i網絡流量特征，v⁽ⁱ⁾表示所提取的第i個網絡流量特征，μ表示特征v⁽ⁱ⁾的均值，σ表示特征v⁽ⁱ⁾的標準差。

可選地，所述工業物聯網異常行為檢測模型的估計參數，包括權重和偏差。

可選地，當檢測到工業物聯網異常行為時，所述方法還包括：

輸出對應的告警提示信息。

可選地，當檢測到工業物聯網異常行為時，所述方法還包括：

從所檢測到的工業物聯網異常行為中提取對應的簽名數據并存儲在預設的行為數據庫中。

可選地，所述原始網絡流量數據包括源IP地址、目的IP地址、源端口、目標端口和協議類型的信息。