[發明專利]用于網絡物理系統的主動學習方法、裝置及發現攻擊的方法、裝置

有效

• 申請號: 202010591068.7
• 申請日: 2020-06-24
• 公開（公告）號: CN111770078B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 西安深信科創信息技術有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06V10/70;G06K9/62;G06N20/00
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王海棟

本發明公開了一種用于網絡物理系統的主動學習方法、裝置及發現攻擊的方法、裝置，該主動學習方法包括獲取第一特征向量；通過翻轉第一特征向量中的預設位數的元素得到第二特征向量；基于預先訓練完成的第一模型，根據第二特征向量得到預設時間后的第一預測值；拼接n₁個不同的第二特征向量得到第一特征向量序列，拼接n₁個不同的絕對差值得到第一差值序列；對第一差值序列使用輪盤賭選擇法，以從第一特征向量序列中選擇一第二特征向量作為第三特征向量；基于預先訓練完成的第一模型，根據第三特征向量和第三特征向量對應的預設時間后的第二實際值得到第二模型。本發明所獲得的第二模型可以用于主動識別攻擊，從而可以提高CPS的防御能力。

技術領域

本發明屬于網絡物理系統技術領域，具體涉及一種用于網絡物理系統的主動學習方法、裝置及發現攻擊的方法、裝置。

背景技術

網絡物理系統(Cyber-physical systems，CPS)是一個綜合計算、網絡和物理環境的多維復雜系統，常被用于關鍵公共基礎設施的自動化。通過3C(Computation(計算)、Communication(通信)、Control(控制))技術的有機融合與深度協作，實現大型工程系統的實時感知、動態控制和信息服務。CPS實現計算、通信與物理系統的一體化設計，可使系統更加可靠、高效、實時協同，具有重要而廣泛的應用前景。

考慮到網絡攻擊對CPS的潛在影響，確保CPS的安全已經成為一個比以往任何時候都重要的目標。然而，CPS中不同的時間尺度、模式和過程交互對解決方案構成了巨大的挑戰，并導致了不同可能對策研究的多樣性。近年來，在檢測和防護CPS攻擊方面出現了幾個不同的研究方向。流行的方法包括異常檢測、數字指紋以及基于不變量的檢查，異常檢測通過數據日志(例如來自歷史記錄的數據)分析可疑事件或模式；數字指紋通過監測傳感器和過程噪聲的時域和頻域特征來檢查傳感器的欺騙干擾；以及，基于不變量的檢查，其流程和組件的條件不斷受到監視。這些技術是對安裝在CPS上的內置驗證程序的補充和超越，而內置驗證程序通常側重于系統更簡單和更本地化的特性。目前，Morgan使用主動學習的方法來減少流數據分類器的訓練時間，Zhao和Hoi也使用主動學習來減少惡意的URL(UniformResource Locator，統一資源定位符)分類器的訓練時間。

但是，目前的主動學習方法均是為了分類，而不是回歸，不能主動識別攻擊，從而不能提高CPS的防御能力。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種用于網絡物理系統的主動學習方法、裝置及發現攻擊的方法、裝置。本發明要解決的技術問題通過以下技術方案實現：

一種用于網絡物理系統的主動學習方法，包括：

獲取第一特征向量，所述第一特征向量包括若干第一有效負載；

通過翻轉所述第一特征向量中的預設位數的元素得到第二特征向量；

基于預先訓練完成的第一模型，根據第二特征向量得到預設時間后的第一預測值；

拼接n₁個不同的所述第二特征向量得到第一特征向量序列，拼接n₁個不同的絕對差值得到第一差值序列，所述絕對差值為所述預設時間后的第一實際值和所述第一預測值之間的差值的絕對值；

對所述第一差值序列使用輪盤賭選擇法，以從所述第一特征向量序列中選擇一第二特征向量作為第三特征向量；

基于所述預先訓練完成的第一模型，根據所述第三特征向量和所述第三特征向量對應的預設時間后的第二實際值得到第二模型。

在本發明的一個實施例中，獲取第一特征向量，包括：

嗅探特定時間點的若干第一數據包；

將所述若干第一數據包的第一有效負載按照第一預設順序進行連接得到第一特征向量。