[發明專利]一種工業控制網絡入侵檢測方法和系統

有效

• 申請號: 202210441381.1
• 申請日: 2022-04-26
• 公開（公告）號: CN114553606B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 萬亞東;張超;張波
• 申請（專利權）人: 科大天工智能裝備技術（天津）有限公司;北京科技大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06K9/62
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

本發明涉及一種工業控制網絡入侵檢測方法和系統，屬于工業網絡安全技術領域。本發明提供的工業控制網絡入侵檢測方法，通過將訓練好的LSTM?ARFIMA混合循環網絡模型作為工業控制網絡入侵檢測模型，對獲取的工業流量數據進行入侵檢測，能夠精確得到檢測結果。并且，LSTM?ARFIMA混合循環網絡模型的采用能夠在最大限度地減少波動性問題的同時，克服神經網絡的過擬合問題。

技術領域

本發明涉及工業網絡安全技術領域，特別是涉及一種工業控制網絡入侵檢測方法和系統。

背景技術

據過去數十年的統計結果顯示，危害工業系統安全的網絡攻擊事件數量以及影響因素均在不斷地增加。近幾年影響范圍較廣的大型工控安全事故有Davis-Besse核電站鐘大安全事故、澳大利亞Maroochy入侵事故、Flame病毒網絡入侵事故等。近十年來，世界工業控制領域安全事故總量不斷上升，同時有眾多系統安全事故并沒有被廣泛關注。根據國家信息安全局研究所研究表明，中國每年發生工業系統網絡安全事故超300起，相較于2016年以前，工業網絡安全漏洞逐漸呈指數級增長趨勢，而這些漏洞為不法分子提供了諸多攻擊工控平臺的機會。

針對工業控制系統的高頻攻擊的預測一直是網絡安全領域的一個具有挑戰性的問題，因為工業控制系統的攻擊是動態的、高度敏感的、非線性的和混亂的，數據挖掘、統計方法和非深度神經網絡模型等傳統方法不適合預測和廣義預測針對工業控制系統的高頻攻擊。

發明內容

為解決現有技術存在的上述問題，本發明提供了一種工業控制網絡入侵檢測方法和系統。

為實現上述目的，本發明提供了如下方案：

一種工業控制網絡入侵檢測方法，包括：

獲取工業控制網絡入侵檢測模型；所述工業控制網絡入侵檢測模型為訓練好的LSTM-ARFIMA混合循環網絡模型；

獲取當前時刻的工業流量數據；

將所述工業流量數據輸入至所述工業控制網絡入侵檢測模型得到檢測結果；所述檢測結果包括：對正常流量數據和惡意流量數據的分類情況。

優選地，所述LSTM-ARFIMA混合循環網絡模型的構建過程包括：

采用注意力機制對預設數據集中的數據進行特征提取，得到各特征的注意力分布向量；

以所述注意力分布向量為輸入，擬合ARFIMA模型的分數階高斯噪聲強度得到擬合后的ARFIMA模型；

獲取擬合后的ARFIMA模型的殘差；

將所述擬合后的ARFIMA模型的殘差輸入至長短期記憶網絡，得到LSTM-ARFIMA混合循環網絡模型。

優選地，所述以所述注意力分布向量為輸入，擬合ARFIMA模型的分數階高斯噪聲強度得到擬合后的ARFIMA模型，具體包括：

將所述注意力分布向量輸入至所述ARFIMA模型，采用Huist斜率確定所述ARFIMA模型的分數階高斯噪聲強度；

當所述分數階高斯噪聲強度滿足預設條件時得到所述擬合后的ARFIMA模型。

優選地，所述預設條件為：0d1且d≠0.5，其中d為分數階高斯噪聲強度。

優選地，所述LSTM-ARFIMA混合循環網絡模型為H(t)：

H(t)=f(ε_t)

其中，ε_t為擬合后的ARFIMA模型的殘差，f(ε_t)為非線性建模函數。

優選地，所述LSTM-ARFIMA混合循環網絡模型的訓練過程為：

獲取訓練集；