[發明專利]一種工業控制系統信息安全測試系統及方法

有效

• 申請號: 202010633930.6
• 申請日: 2020-07-02
• 公開（公告）號: CN111698267B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 花鮮美
• 申請（專利權）人: 廈門力含信息技術服務有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L67/025;H04L67/01;G06F11/36;G06F9/50
• 代理公司: 廈門荔信律和知識產權代理有限公司 35282
• 代理人: 楊光

1.一種應用工業控制系統信息安全測試系統進行測試的方法，其特征在于：所述工業控制系統信息安全測試系統包括：

設備層，其內設置有工業控制系統和數據采集單元，所述數據采集單元設置在工業控制系統內，用于采集所述工業控制系統在運行過程中的數據信息，其中所述數據采集單元至少包括工業控制系統運行狀態采集單元、資產配置監測采集單元和通信異常信息采集單元，其中運行狀態采集單元用于采集工業控制系統運行過程中的狀態信息，資產配置監測采集單元用于采集工業控制系統的硬件配置信息，所述通信異常信息采集單元用于采集工業控制系統通信過程中出現的漏洞信息和異常通信檢測信息、非法接入檢測通信信息、惡意進攻數據信息或者威脅性檢測信號；

數據層，其內設置有安全信息數據庫和與所述安全信息數據庫連接的信息數據特征識別模塊，其中所述安全信息數據庫包括工業控制系統的缺陷信息庫、操作系統數據庫、工業控制系統的漏洞庫、工業控制網絡通信協議特征庫或者工業控制系統測試案例庫；所述信息數據特征識別模塊為基于模糊信息熵特征提取的識別模塊，用以對采集的工業控制系統大數據進行特征重組，提取元數據結構特征，通過對穩態電壓平衡特征量進行統計，獲取模糊迭代狀態數據信息；

測試層，其內設置有計算機管理系統，所述計算機管理系統連接有信息安全測試平臺和數據接口，其中所述信息安全測試平臺至少包括工業控制系統運行狀態測試模塊、資產配置監測測試模塊和通信異常信息測試模塊，其中所述運行狀態測試模塊包括設備運行性能測試和功能測試工具集，所述資產配置監測測試模塊包括工業控制系統硬件配置參數測試工具集，所述通信異常信息測試模塊包括安全測試工具集、威脅接入測試工具集、漏洞測試工具集、風險測試工具集或者仿真運行環境測試工具集；

網絡層，其內設置有區塊鏈網絡、云端網絡、5G網絡或者物聯網絡，所述網絡層還設置有TCP/IP網絡系統、ZigBee無線網絡、GPRS通信網絡或CDMA無線通信網絡、3G網絡通信網絡、4G網絡、WLAN通信網絡、LTE通信網絡、云端服務器或藍牙通信模塊；其中所述云端服務器至少包括分布式存儲模塊、數據傳輸接口、CPU、內存、磁盤、帶寬和云網絡接口，所述云端服務器通過將規模級的底層服務器通過集約化、虛擬化構建起云端資源池，然后從資源池中調配計算資源組建而成，其中所述CPU、內存、磁盤或帶寬以自由組合的方式存在；

應用層，其內至少設置有主站、客戶端或者計算機管理系統，其中所述主站、客戶端或者計算機管理系統設置有嵌入式Web服務器系統，用于通過WEB瀏覽器IE實現網絡的測試數據的計算、存儲或者遠程、在線和實時監控，進而實現工業控制系統測試狀態的智能監控，其中所述嵌入式Web服務器系統設置有Web服務器，通過Internet網絡進行數據傳遞，能夠在遠程用戶監控中心接收現場的文本、圖像、視頻或音頻各種信息，進而實現網絡數據信息的遠程在線監控；其中所述主站、客戶端或者計算機管理系統內還設置有Web終端，所述Web終端包括中央控制器、與所述中央控制器連接的實時時鐘、通用異步收發傳輸器、物理層、通信引出端口、按鍵液晶顯示器、聯合測試工作組、非閃8M數據接口、非閃存2M RTO、同步動態隨機存取內存和8-CHA 12位A/D轉換單元；其中：

所述設備層的輸出端與所述數據層的輸入端連接，所述數據層的輸出端與所述測試層的輸入端連接，所述測試層的輸出端與所述網絡層的輸入端連接，所述網絡層的輸出端與所述應用層的輸入端連接；

所述數據采集單元包括CPU中央處理器和與所述CPU中央處理器連接的信號預處理電路、信號調理電路和通信電路，其中所述信號預處理電路的輸出端與所述信號調理電路的輸入端連接，所述信號調理電路的輸出端與所述通信電路的輸入端連接，其中所述信號預處理電路包括多路模擬開關和隔離放大電路，所述多路模擬開關的輸出端與所述隔離放大電路的輸入端連接，所述信號調理電路包括A/D轉換電路和鎖相電路，所述通信電路為看門狗、RAM模塊、ROM模塊或光隔離通信接口構成的電路；

所述通信異常信息測試模塊的硬件結構包括DSP處理單元和FPGA單元，其中所述DSP處理單元連接有通信接口單元、GPS定位單元、SRAM單元和雙口RAM單元，所述雙口RAM單元連接有工業控制系統接口、互感器、信息采集口、A/D轉換單元、開關量輸入接口和開關量輸出接口，其中FPGA單元還連接有ARM9200模塊，其中所述ARM9200模塊連接有移動存儲單元、SDRAM模塊、RS485接口、以太網接口、RS232接口或者無線通信接口；

在工業控制系統端，輸入信息通過電壓互感器，由大電壓轉化為小電壓，輸入信息通過電流互感器由大電流轉化為小電流，即將工業控制系統中的380V高電壓轉化為10V電壓的小信號，轉化后的電壓、電流小信號被送入到A/D轉換單元，A/D轉換單元為基于ADS8364的采樣電路，A/D轉換單元將轉換后的數字信息輸入至DSP處理單元，DSP處理單元為基于TMS320VC33的32位總線，具有75MIPS的數據處理速度，能夠有效地對A/D模數轉換后的數據有效地進行數據處理，有效地計算工業控制系統中的各種數據，并傳遞計算出的數據，采用了ARM9控制器，該控制器為基于AT91RM9200的控制芯片，其工作頻率為180MHz，運行速度為200MIPS，能夠存儲、發送工業控制系統數據的計算結果，并將該結果顯示出來；采用了FPGA控制器，采用的型號為XC2S-200，具有200K容量的系統門，系統速度超過200MHz，能夠有效地實現邏輯門控制功能，能夠實時測量工業控制系統中的頻率、電壓有效值、電流有效值、諧波電壓、諧波電流、電壓不平衡、電流不平衡、閃變、功率、功率因數以及2-68次諧波信號，將測量的信號通過以太網、RS485網絡或者無線GPRS網絡傳遞到上位機，在上位機進行進一步的處理；

所述方法包括以下步驟：

(S1)數據獲取：通過設備層中設置的數據采集單元采集工業控制系統運行的各種數據信息，數據信息包括工業控制系統運行狀態數據信息、資產配置監測運行狀態數據信息和通信運行狀態數據信息；

(S2)數據存儲：將數據采集單元采集到的各種工業控制系統數據信息存儲在安全信息數據庫內，通過信息數據特征識別模塊獲取工業控制系統中運行的各種數據信息，對采集的工業控制系統大數據進行特征重組，提取多元數據結構特征，進行多特征識別，通過對穩態電壓平衡特征量進行統計，結合統計信息分析方法，輸出模糊迭代狀態方程；

(S3)數據測試：通過計算機管理系統對接收到的信息數據特征進行識別，對工業控制系統大數據信息的特征進行優化提取和特征識別，利用大數據特征分布式調度集函數，構建工業控制系統大數據的統計信息模型；

(S4)信息傳遞，通過網絡層中的區塊鏈網絡、云端網絡、5G網絡或者物聯網絡，所述網絡層還設置有TCP/IP網絡系統、ZigBee無線網絡、GPRS通信網絡或CDMA無線通信網絡、3G網絡通信網絡、4G網絡、WLAN通信網絡、LTE通信網絡、云端服務器或藍牙通信模塊實現工業控制系統數據的應用和遠程監控；

(S5)數據應用，利用B/S數據架構實現工業控制系統數據的遠程監控和數據應用，用戶通過B/S架構利用Internet下載Web瀏覽器，通過IE網站登錄遠程監控管理網站，進入實現遠程操作界面，通過建立數據通訊，進而實現遠程監控中心監控；

所述信息數據特征識別模塊的識別方法為：對采集的工業控制系統大數據進行特征重組，提取元數據結構特征，通過對穩態電壓平衡特征量進行統計，根據統計信息分析方法，得到模糊迭代狀態方程為：

A(x)＝AJ(x)a(x)+B(1-b(x)) (1)

令A＝{a₁，a₂，...，a_n}為工業控制系統承載的負載特征集，B＝{b₁，b₂，...，b_n}為分布屬性類別集，a(x)為負載特征集修正系數，b(x)為分布屬性類別集修正系數，J(x)為檢測幅值，然后利用傅里葉變換對分解結果進行分解，計算出工業控制系統大數據特征識別的簡化數學模型公式為：

G_n＝d₁c₁+d₂c₂+...+d_nc_n (2)

其中，d_n和c_n具有10％-45％的關聯性，c_n表示工業控制系統大數據的偏差限制，d_n表示諧波振蕩值，最終輸出工業控制系統大數據的分布式特征提取模型；

大數據特征分布式調度集函數為：

D(j)＝t(x_j(t)+l_j(t)) (3)

其中，x_j(t)表示工業控制系統大數據的模糊平均集D中的平均信息熵，在第j個工業控制系統大數據樣本中，聚類中心的樣本子集，l_j(t)表示模糊聚類中心中工業控制系統大數據的統計特征量，t表示采集時長，在滿足約束條件下得到工業控制系統大數據的類信息熵滿足：

e(D)＞x_j(t) (4)

多特征識別的方法是應用特征識別的統計分析模型進行，其中：特征識別的統計分析模型公式為：

式中，G表示工業控制系統大數據中的主成分，h_i表示信息流屬性值，β_c為原始訓練集中的信噪比；

通過對工業控制系統大數據的信息熵檢測，得到結構重組信息分量為：

其中，k_i為負荷容量，E_comm為重組頻率，p_drop為能耗分布；

工業控制系統大數據特征識別的模糊聚類分布模型表達式為：

式中，w表示多維大數據流的采樣時間延遲；u(x_j)表示大數據分布范圍；ξ_j表示聚類系數，其中模糊聚類分布模型的約束條件為：

通過工業控制系統大數據特征識別的模糊聚類分布模型實現工業控制系統大數據的相互耦合關系，引入高維相空間重構，得到其核函數H(x)，則工業控制系統大數據監測的分辨函數為：

其約束條件為：

0≤e_j≤u(x_j)，j＝1，2，...，l (10)

式中，e_j表示關聯規則集，工業控制系統大數據的實時輸出序列表示為在約束條件的限制下，取分辨函數的最小值，并利用該值進行工業控制系統大數據的實時流量的特征映射，映射過程為：

Φ：D_fb→MR^2d+1 (11)

通過映射可獲取工業控制系統大數據運行過程中的有效信息，利用所述有效信息，將獲取信息作為輸入值，進行工業控制系統大數據的多特征識別輸出，得到最終識別結果為：

其中，c_k表示工業控制系統大數據的多元信息特征分布集，e表示特征識別強度；

在對工業控制系統進行測試時，通過大數據特征重組實現工業控制系統不同類型大數據的采樣，在數據分析之前，可通過特征重組的方法得到工業控制系統大數據信息流融合特征聚類的概率分布，其公式如下：

其中，δ為關聯方差，結合分簇聚類融合的方法，構建工業控制系統大數據的分布式融合聚類模型，得到工業控制系統大數據信息的個體差異度函數為：

G(x)＝ax-bx²+P(ω) (14)

式中，a、b為常數；使用有限的頻譜資源融合聚類分析的方法進行工業控制系統大數據離散化調度，得到工業控制系統大數據的統計特征檢測模型為：

式中，ζ_i、分別表示工業控制系統大數據信息流融合的高頻向量和低頻向量，K(x_i，x)表示相關資源的預測偏好值，結合標量序列分析方法得到工業控制系統大數據信息流的梯度向量分布模型為：

其中，m，分別是工業控制系統大數據的嵌入式維數；建立工業控制系統大數據的負荷波動模型，得到工業控制系統大數據信息流非線性特征重組輸出為：

其中，表示信息流的觀測序列，為原始訓練集中的信噪比，e(x)表示不確定數據庫；

用戶在進行遠程監控中心監控時，通過Internet下載Web瀏覽器，通常使用IE網站登錄遠程監控管理網站，與遠程操作界面實現數據通信連接；然后在IE網站上，將ActiveX控件下載下來，下載之后，用戶客戶按照其對應的安裝程序提示，準確地將ActiveX控件安裝到用戶使用的客戶機中；ActiveX控件內帶有的WinSocket控件發出信息鏈接請求，在Web服務器內，其也發出同意鏈接信息，這就建立起了信息通信，通過建立起信息通信，遠程用戶監控中心通過Web瀏覽器上提供的操作界面實現了遠程、實時、在線監控。