[发明专利]一种基于PSO参数优化的工业物联网安全聚合关联方法

说明书

本发明公开了一种基于PSO参数优化的工业物联网安全聚合关联方法，所述方法包括以下步骤：对原始的网络安全告警信息数据进行归类，运用特征对称思想建立标称属性的索引库，以便差异化处理；针对各标称属性的特征，建立相似度函数模型，计算标称属性库中各属性的特征相似度；计算标称属性间的总体差异度；综合目标物联网络的拓扑结构，引入差异度阈值函数，利用PSO算法对差异度阈值进行优化，实现用户柔性聚类和人工智能的接口。本发明可从海量繁杂且冗余的安全告警事件中将同类网络安全事件聚类，消除安全信息中的冗余信息，快速地为工业物联网络安全策略提供决策支撑，具有适应性好、稳定性和实时性高的优点。

技术领域

本发明属于网络安全信息处理技术领域，具体涉及一种基于PSO参数优化的工业物联网安全聚合关联方法。

背景技术

工业物联网安全本质上是一种特殊形态的网络安全，但与普通网络安全相比，又具有更高的安全敏感性、后果严重性以及灾后恢复的时效性要求。

目前，工业物联网安全的关联方法采用通用的安全事件关联策略，因其缺乏高效的参数优化手段，存在着“过关联”和“欠关联”的问题，很难独立发挥作用，应用成效低下。

发明内容

为解决上述问题，本发明提供了一种基于PSO参数优化的工业物联网安全聚合关联方法，可从海量繁杂且冗余的安全告警事件中将同类网络安全事件汇聚，快速地为工业物联网络安全策略提供决策支撑。

本发明所采用的技术方案是：

一种基于PSO参数优化的工业物联网安全聚合关联方法，其特征在于：所述方法包括以下步骤：

A.对原始的网络安全告警信息数据进行归类，运用特征对称思想建立标称属性的索引库，以便差异化处理；

B.针对各标称属性的特征，建立相似度函数模型，计算标称属性索引库中各属性的特征相似度；

C.计算标称属性间的总体差异度；

D.综合目标物联网络的拓扑结构，引入差异度阈值函数，利用PSO算法对差异度阈值进行优化，实现用户柔性聚类和人工智能的接口。

进一步的，所述步骤A的具体实现方式为：

对原始的告警信息数据进行归类，建立告警信息的标称属性索引库EVS，每一具体标称属性记为E_ii＝1，2…，E_i为n维向量，n是标称属性所含特征的维度，则告警信息的标称属性库为：EVS＝{E₁，E₂，…，E_p}，p为所选时间跨度内网络产生的标称属性数；

标称属性的详细特征记为表示标称属性i的第m维特征，则每一标称属性向量为：表示第i个、q维特征的标称属性；

用最大特征向量法，对各属性向量进行归一处理，将低维数的属性统一扩展到n维，不含有的特征赋值为0，则扩展后的各标称属性向量为

则所选时间跨度内的r个最大特征维度为n的标称属性索引库为：

进一步的，所述步骤B的具体实现方式为：

(1)对于标量特征，采用欧氏距离函数作为特征相似度函数模型，即：

其中，S(f_i^m，f_iⁿ)表示m和n两类标称属性的第i个特征f_i^m和f_iⁿ之间的相似度，f_i^m表示第m类标称属性的第i个特征，f_i^k表示第k类标称属性的第i个特征；