[发明专利]基于生成对抗网络的工控协议漏洞挖掘系统

权利要求书

1.一种基于生成对抗网络的工控协议漏洞挖掘系统，其特征在于，包括：

深度对抗学习模块，用于生成模糊测试数据；

攻击测试模块，用于把深度对抗学习模块生成的模糊测试数据注入到系统中，并记录系统的异常反馈，挖掘该系统的漏洞。

2.如权利要求1所述的系统，其特征在于，还包括数据帧处理模块，用于抓取通讯过程中的通讯数据，并对数据进行预处理。

3.如权利要求2所述的系统，其特征在于，所述深度对抗学习模块，包括参数设定子模块、模型训练子模块和模型验证子模块，其中：

所述参数设定子模块，用于参数设定模块针对工控系统中数据特点，选择神经网络的结构；

所述模型训练子模块，用于用预处理后的通讯数据作为训练数据集，采用对抗神经网络，训练生成模型和判别模型；

所述模型验证子模块，用于用剩余部分的预处理后的通讯数据处理作为数据集，验证生成模型和判别模型。

4.如权利要求3所述的系统，其特征在于，攻击测试模块包括重新子训练模块，所述重新训练模块，用于对发现的系统异常行为进行记录，并记录引发该异常的特定数据帧数据，将特定数据帧数据复制后作为训练数据集，采用对抗神经网络，训练所述生成模型和所述判别模型。

5.如权利要求3所述的系统，其特征在于，所述生成模型激活函数为Relu激活函数。

6.如权利要求3所述的系统，其特征在于，所述生成模型中，利用权重裁剪，达到保持模型训练稳定。

7.如权利要求3所述的系统，其特征在于，Wasserstein距离指示模型训练的评价指标。

8.如权利要求3所述的系统，其特征在于，在判别模型中去掉了sigmoid激活函数。

9.如权利要求2-8任意一项权利要求所述的系统，其特征在于，数据帧处理模块包括数据帧抓取子模块和数据帧预处理子模块，其中：

所述数据帧抓取子模块，用于针对工控通讯系统的特点，抓取通讯过程中的通讯数据；

数据帧预处理子模块，用于对待分析的通讯数据进行预处理。

10.如权利要求9所述的系统，其特征在于，所述预处理包括数据帧扩增，数据帧聚类、编码操作。