[发明专利]工业控制系统异常检测方法、设备和服务器、存储介质

权利要求书

1.一种数据流量预测模型训练方法，其特征在于，包括：

获取历史流量数据集合；

对所述历史流量数据集合中的任一历史流量数据进行降噪处理，得到所述任一历史流量数据的特征向量；

将所述特征向量输入至数据流量预测模型中，输出后续数据流量的预测特征向量，其中，所述数据流量预测模型包括：依次连接的一维卷积神经网络和GRU神经网络，所述后续数据流量为处于所述任一历史流量数据的下一时刻的数据流量；

根据所述后续数据流量的预测特征向量与所述后续数据流量的真实特征向量调整所述数据流量预测模型的参数，以使更新后的所述后续预测特征向量满足预设要求。

2.如权利要求1所述的方法，其特征在于，采用降噪自编码器对所述历史流量数据集合中的任一历史流量数据进行降噪处理。

3.如权利要求1所述的方法，其特征在于，在所述将所述特征向量输入至数据流量预测模型中之前，还包括：

采用第一全连接层对所述特征向量进行特征扩展；

和/或，

所述数据流量预测模型还包括第二全连接层，所述第二全连接层的输入与所述GRU神经网络的输出相连。

4.如权利要求1所述的方法，其特征在于，所述数据流量预测模型还包括残差模块，所述残差模块用于将所述一维卷积神经网络的输入和输出进行作差处理。

5.如权利要求1所述的方法，其特征在于，所述数据流量预测模型还包括Dropout层，所述Dropout层的输出与所述一维卷积神经网络的输入相连。

6.一种工业控制系统异常检测方法，其特征在于，包括：

获取所述工业控制系统的第一时刻的数据流量；

采用降噪自编码器对所述第一时刻的数据流量向量进行降噪处理，得到所述第一时刻的数据流量的特征向量；

将所述第一时刻的数据流量的特征向量输入至数据流量预测模型中，得到第二时刻的数据流量的预测特征向量，所述第二时刻位于所述第一时刻之后，且所述第二时刻与所述第一时刻的时间差距小于预设阈值；

获取所述工业控制系统的所述第二时刻的数据流量；

根据所述第二时刻的数据流量与所述预测特征向量判断所述工业控制系统是否异常。

7.一种数据流量预测模型训练设备，其特征在于，包括：

获取模块，用于获取历史流量数据集合；

降噪模块，用于对所述历史流量数据集合中的任一历史流量数据进行降噪处理，得到所述任一历史流量数据的特征向量；

训练模块，用于将所述特征向量输入至数据流量预测模型中，输出后续数据流量的预测特征向量，其中，所述数据流量预测模型包括：依次连接的一维卷积神经网络和GRU神经网络，所述后续数据流量为处于所述任一历史流量数据的下一时刻的数据流量；

调整模块，用于根据所述后续数据流量的预测特征向量与所述后续数据流量的真实特征向量调整所述数据流量预测模型的参数，以使更新后的所述后续预测特征向量满足预设要求。

8.一种工业控制系统异常检测设备，其特征在于，包括：

第一获取模块，用于获取所述工业控制系统的第一时刻的数据流量；

降噪处理模块，用于采用降噪自编码器对所述第一时刻的数据流量向量进行降噪处理，得到所述第一时刻的数据流量的特征向量；

输入模块，用于将所述第一时刻的数据流量的特征向量输入至数据流量预测模型中，得到第二时刻的数据流量的预测特征向量，所述第二时刻位于所述第一时刻之后，且所述第二时刻与所述第一时刻的时间差距小于预设阈值；

第二获取模块，用于获取所述工业控制系统的所述第二时刻的数据流量；

异常判断模块，用于根据所述第二时刻的数据流量与所述预测特征向量判断所述工业控制系统是否异常。

9.一种服务器，其特征在于，包括：存储器、处理器；其中，

存储器，用于存储可执行指令；

处理器，用于读取并执行存储器中存储的可执行指令，以实现如权利要求1-6任一项所述的方法。

10.一种存储介质，其特征在于，当存储介质中的指令由处理器执行时，使得能够执行如权利要求1-6任一项所述的方法。