[發明專利]在具有確定特性的網絡物理系統中檢測異常的系統和方法

有效

• 申請號: 201911376218.6
• 申請日: 2019-12-27
• 公開（公告）號: CN111541640B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: A·B·拉夫連季耶夫;A·M·沃龍佐夫;P·V·菲洛諾夫;D·K·沙雷伽;V·I·什庫廖夫;N·N·德米多夫;D·A·伊萬諾夫
• 申請（專利權）人: 卡巴斯基實驗室股份公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L41/142;H04L43/16;G06N3/08
• 代理公司: 北京市磐華律師事務所 11336
• 代理人: 高偉

1.一種用于確定信息物理系統CPS中異常源的系統，所述系統包括：

計算平臺，包括至少一個處理器的計算硬件和與所述至少一個處理器可操作地耦合的存儲器；

指令，當在所述計算平臺上執行所述指令時，使得所述計算平臺實現：

訓練工具，配置為：

獲取初始樣本，所述初始樣本包括多個歷史CPS特征值；

基于訓練樣本生成預測模型，所述訓練樣本基于所述多個歷史CPS特征值和多個歷史CPS特征的至少一個特性所構建；以及

基于所述訓練樣本來訓練所述預測模型；

預測工具，配置為：

在輸入窗口期間獲取多個CPS特征值，所述輸入窗口由所述訓練后的預測模型確定，以及

利用所述訓練后的預測模型和在輸入窗口期間獲取的所述CPS特征值，預測預測窗口的多個CPS特征值；以及

異常識別工具，配置為：

確定所述預測窗口中的多個CPS特征的總預測誤差，

當所述總預測誤差超過總誤差閾值時，識別所述信息物理系統中的異常，以及

當所述多個CPS特征中的至少一個CPS特征對所述總預測誤差的預測誤差貢獻高于所述多個CPS特征中的其他CPS特征對所述總預測誤差的貢獻時，則識別所述至少一個CPS特征作為異常源。

2.根據權利要求1所述的系統，其中所述多個CPS特征值由所述預測工具實時地獲取，以及所述總預測誤差是在時間等于預測范圍窗口和輸入窗口之和后確定的，所述預測范圍窗口包括所述輸入窗口和所述預測窗口之間的時間。

3.根據權利要求1所述的系統，其中所述多個CPS特征在歷史監測周期內獲取，其包括初始樣本數據，以及所述總預測誤差由所述初始樣本數據在所述歷史監測周期內確定。

4.根據權利要求1所述的系統，其中所述多個CPS特征包括傳感器測量值、執行器的受控變量、執行器的設定值、比例積分微分(PID)控制器的輸入信號或PID控制器的輸出信號中的至少一個。

5.根據權利要求1所述的系統，所述異常識別工具配置為通過對所述多個CPS特征的每個特征誤差賦予權重比來確定所述總預測誤差，每個特征誤差的總和包含所述總預測誤差。

6.根據權利要求5所述的系統，其中，針對具有噪聲數據或無效數據的特征，或者如果所述特征之前已經被用戶禁用，則特征誤差的所述權重比被賦予低值。

7.根據權利要求5所述的系統，其中，當特征的異常不影響CPS操作時，則針對所述特征，特征誤差的所述權重比被賦予低值，當所述特征的異常影響CPS操作時，則針對所述特征，特征誤差的權重比被賦予高值。

8.根據權利要求1所述的系統，其中，所述訓練工具被配置為通過以下步驟生成所述訓練后的預測模型：

構建所述預測模型，用于在所述預測窗口的每一時刻并基于所述輸入窗口的每一時刻的所述多個CPS特征值預測所述多個CPS特征值，所述輸入窗口和所述預測窗口位于監測周期內并根據歷史CPS特征的至少一個特性進行選擇。

9.根據權利要求1所述的系統，其中所述歷史CPS特征包括異常發生。

10.根據權利要求8所述的系統，其中所述訓練工具進一步配置為：

預測所述監測周期內每一時刻的所述多個CPS特征值；

利用所述預測確定預測的總誤差；以及

基于所述歷史CPS特征的至少一個特性計算所述總誤差閾值。

11.根據權利要求1所述的系統，其中構建所述訓練樣本包括：

對所述初始樣本數據進行去噪；

移除所述初始樣本數據中的任何空白；

移除所述歷史CPS特征值中的任何波動；

移除所述初始樣本數據中任何無效的數據集；

將所述初始樣本數據轉換為網格平均間隔時間；以及

從所述初始樣本中排除導致誤差觸發的特征。