[發明專利]一種應用于電力控制系統網絡攻擊的主動防御方法

有效

• 申請號: 202011051602.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112367291B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 梁劍;李宏強;田蓓;任勇;王琦;劉增稷;蔡星浦
• 申請（專利權）人: 國網寧夏電力有限公司電力科學研究院;東南大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 寧夏合天律師事務所 64103
• 代理人: 曹廣濤

本發明公開一種應用于電力控制系統網絡攻擊的主動防御方法，通過黑盒法構建虛擬控制器網絡、虛擬攻擊樣本庫和攻擊樣本生成器，構建虛擬攻擊事件，從而對電力系統進行排查和修復，本發明的主動防御方法易于實現，便于部署于電力控制系統，以提升系統穩定性，對隱蔽性攻擊排查效果良好。

技術領域

本發明屬于網絡安全技術領域，特別涉及一種應用于電力控制系統網絡攻擊的主動防御方法。

背景技術

與傳統電力系統相比，現如今的電力系統中接入了大量傳感、通信、計算和控制設備，可對電力系統進行廣域量測和控制。對于此類量測系統和控制系統，發展出人工智能的控制策略。

然而，該類控制策略通常在分類邊界處更容易出現漏洞，并且此漏洞在模型訓練過程中很難被發現。

發明內容

本申請提供了一種應用于電力控制系統網絡攻擊的主動防御方法。

步驟S102：基于深度神經網絡，構造虛擬控制器網絡F，用于模擬電力控制系統的控制策略。所述虛擬控制器網絡F，包含若干個卷積層和池化層且參數可調。

根據電力控制系統歷史狀態集X和電力控制系統控制器的歷史輸出結果集Y，采用十字交叉法，將所述歷史狀態集X和所述歷史輸出結果集Y中各值，隨機分配為訓練樣本集(Xa,Ya)和測試樣本集(Xb,Yb)。

可選地，所述歷史狀態集X和所述歷史輸出結果集Y獲取方式：采用監聽或探針的方式，監測電力控制系統的量測系統歷史狀態輸入和控制策略對應的輸出結果，生成所述歷史狀態集X和所述歷史輸出結果集Y。

步驟S104：用所述訓練樣本集(Xa,Ya)對所述虛擬控制器網絡F進行訓練，用所述測試樣本集(Xb,Yb)檢測訓練結果，對訓練結果的正確率進行判斷：若正確率達到預設值，進入下一步驟；若正確率未能達到預設值，則調整所述虛擬控制器網絡F的網絡參數，重復步驟S104。

步驟S202：設置生成攻擊樣本庫的邊界條件和判別條件，所述邊界條件用于限制擾動大小，使擾動分布在系統無法識別的誤差范圍內，所述判別條件用于判斷所述擾動能否對電力控制系統控制器的控制結果產生影響。

步驟S204：設置所述歷史狀態集X的擾動r為隨機數，采用差分進化（DE）算法，在所述虛擬控制器網絡F位于給定所述邊界條件內，生成擾動r最優值并疊加至所述歷史狀態集X中獲得攻擊樣本集X_hat。

步驟S206：利用所述判別條件，對所述X_hat進行判斷：若滿足所述判別條件，將所述X_hat輸入所述虛擬控制器網絡F得到Y_hat。

步驟S208：對所述Y_hat進行判斷，滿足邊界條件則進行下一步驟。

步驟S302：將所述攻擊樣本集X_hat隨機分配為訓練樣本集(Xa,X_hata)和測試樣本集(Xb,X_hatb)，用于訓練生成器模型，以及用于檢測訓練效果。

步驟S304：構建生成器網絡模型G和判別器網絡模型C。

步驟S306：采用所述訓練樣本集(Xa,X_hata)對所述生成器網絡模型G進行訓練，然后采用所述測試樣本集(Xb,X_hatb)對所述生成器網絡模型G進行測試。

步驟S308：將所述電力控制系統歷史狀態集X輸入所述生成器網絡模型G，從而得到攻擊樣本X_hat’。

將所述攻擊樣本X_hat’輸入所述虛擬控制器網絡F，得到輸出結果集Y_hat’。

步驟S310：對所述Y_hat’進行判斷，滿足邊界條件則進行下一步驟。

步驟S312：用電力控制系統的量測系統正常狀態下產生的樣本集(X,0)和所述攻擊樣本集(X_hat,1)對所述判別器網絡模型C進行訓練。