[发明专利]一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法

权利要求书

1.一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法，其特征在于：包括以下步骤：

S1：确定当前已知配电网络拓扑结构以及采集该配电网络的数据信息，其中网络拓扑结构包括WAMS系统PMU装置和SCADA系统RTU装置的分布位置，其中配电网络的数据信息包括电气特征数据和通信网络数据；

S2：根据远动终端RTU量测数据和PMU装置上传的量测数据进行时间相关性分析：确定RTU量测数据的准确时标、并将对准后同一时刻PMU线性分析结果与SCADA系统RTU采集的数据进行对比，得出物理空间下RTU设备的量测数据异常向量

S3：对远动终端RTU的通信网络数据进行处理分析，建立不正常通信网络的规则库；对捕获的通信报文进行过滤、归类和分析，得到RTU设备相应通信报文的威胁度、并构建全系统的威胁度向量其中m代表远动终端RTU装置的个数；

S4：根据物理空间下远动终端RTU设备的量测数据异常向量和通信系统的威胁度向量，利用人工神经网络的推理诊断方式进行融合分析决策，判断配电网系统是否有网络攻击发生并判别攻击类型。

2.根据权利要求1所述的一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法，其特征还在于：所述S3中对通信网络数据进行处理分析：

S31：通过对调度中心采集的RTU历史通信数据分析，建立不正常通信网络数据的规则库，记录不正常运行状态下RTU远动终端通讯报文的行为模式，根据当前规则库定义针对RTU智能量测终端网络攻击类型；

S32：将当前采样时间窗口内在网络链路层捕获的RTU智能量测终端通讯数据包交由过滤部分处理，过滤部分对通信报文进行截取过滤保留有用的信息段，将不符合规则的过滤包抛弃，接收的过滤包则进行解析得到当前时刻的连接源地址、目的地址、源端口号、服务协议类型等信息并由暂时的寄存器暂存起来，待收集足够数据以后共同传给过滤部分关联的上层攻击检测规则库进行分析；

S33：对经上步骤解析完成的RTU智能远动终端通讯报文与网络入侵检测规则库匹配，并进行通讯信息威胁度分析；按匹配报文的操作类型、操作频率从信息安全的角度构建威胁度评分机制，对RTU节点的信息系统危险状态进行计算如下：单条报文的威胁度计算其中α为信息安全机密性评级，β为信息安全完整性评级，ω为信息安全可用性评级，f为时间窗内报文的操作频率；单个RTU装置的威胁度为T_j＝∑S_i，最终整理得到全系统RTU信息威胁度向量

3.根据权利要求1所述的一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法，其特征还在于：

所述S4中综合物理配电网网络异常和通信网络威胁度融合分析的人工神经网络判断推理方法如下：

S41：融合分析以判断网络攻击,采用基于BP人工神经网络判断推理方法，结合历史案例数据特征，对人工神经网络的进行训练,人工神经网络采用三层的BP神经网络进行映射，隐层节点数k取样本输入数据为电网信息物理系统的信息威胁度向量T_i，和物理系统中RTU量测状态向量R_i组成的m×2阶矩阵(T_i,R_i)_m×2，m为输入层节点数，n为输出层节点数；

S42：将配电网信息物理系统实时采集处理后的结果矩阵(T_i,R_i)_m×2输入完成训练的人工神经网络诊断分类器，进行综合分析并输出分析结果矩阵(F,K)_n×2，其中F_i为是否受到网络攻击的判断向量，K_i为攻击类型分类向量；

S43：将人工神经网络分类判断结果发送给运行人员排查检测，确认结果的正确性，将错误结论反馈回人工神经网络分类器进行强化校正训练，将正确结论形成案例规则，定期更新神经网络案例训练规则库。