[發(fā)明專利]工業(yè)控制系統(tǒng)的入侵檢測方法、存儲器和處理器

有效

• 申請?zhí)枺?/td>: 202110911997.6
• 申請日: 2021-08-10
• 公開（公告）號: CN113645231B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計）人: 王藝霖;張如飛;王安平
• 申請（專利權(quán)）人: 北京易通信聯(lián)科技有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/00;G06N5/00;G06N20/10
• 代理公司: 南京九致知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32307
• 代理人: 嚴(yán)巧巧

1.一種工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：

利用大數(shù)據(jù)平臺采集監(jiān)測點數(shù)據(jù)，并進(jìn)行實時數(shù)據(jù)緩沖存儲和離線數(shù)據(jù)存儲；

將存儲的離線數(shù)據(jù)作為訓(xùn)練集分別參與有監(jiān)督模型的訓(xùn)練和無監(jiān)督模型的訓(xùn)練；

將存儲的實時數(shù)據(jù)輸入訓(xùn)練完成的有監(jiān)督模型中識別是否為已知入侵行為；

若否，則將上述存儲的實時數(shù)據(jù)輸入無監(jiān)督模型中識別是否為該無監(jiān)督模型中已學(xué)習(xí)的未知入侵行為；

若是，則將上述存儲的實時數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)參與有監(jiān)督模型的訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：該方法中至少采用以下技術(shù)之一：所述大數(shù)據(jù)平臺為Hadoop；所述監(jiān)測點數(shù)據(jù)通過flume技術(shù)采集。

3.根據(jù)權(quán)利要求1所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：該方法中至少采用以下技術(shù)之一：所述實時數(shù)據(jù)緩沖存儲在Kafka中；所述離線數(shù)據(jù)存儲在HDFS中。

4.根據(jù)權(quán)利要求1所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：所述有監(jiān)督模型結(jié)合MapRduce算法和LightGBM算法。

5.根據(jù)權(quán)利要求1所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：所述有監(jiān)督模型訓(xùn)練過程如下：

初始化決策樹；

將大數(shù)據(jù)平臺中的每個參與計算的對象當(dāng)作一個計算實體進(jìn)行映射；

將每個計算實體的映射結(jié)果進(jìn)行歸約；

根據(jù)歸約結(jié)果更新決策樹，迭代映射和歸約過程直至滿足建樹停止條件，完成訓(xùn)練。

6.根據(jù)權(quán)利要求1所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：所述無監(jiān)督模型結(jié)合MapRduce算法和OCSVM算法，且所述OCSVM算法經(jīng)過PSO算法優(yōu)化。

7.根據(jù)權(quán)利要求6所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：所述無監(jiān)督模型訓(xùn)練過程如下：

劃分樣本集；

設(shè)定計算實體中的主從節(jié)點，利用主節(jié)點將樣本集獨立隨機(jī)劃分為N個子集，每個子集互不相交且所有子集的合集為樣本集，所述N為計算實體的數(shù)量；

將子集分別發(fā)送至對應(yīng)的從節(jié)點中；

在每個從節(jié)點進(jìn)行映射，利用POS算法優(yōu)化向量機(jī)參數(shù)和函數(shù)，并對該從節(jié)點內(nèi)的子集進(jìn)行訓(xùn)練，得到該子集的支持向量；

主節(jié)點收集所有從節(jié)點的支持向量，得到支持向量集，完成訓(xùn)練。

8.根據(jù)權(quán)利要求7所述的工業(yè)控制系統(tǒng)的入侵檢測方法，其特征在于：所述利用POS算法優(yōu)化向量機(jī)參數(shù)和函數(shù)包括：優(yōu)化向量機(jī)參數(shù)和函數(shù)的寬度和平衡因子。