[发明专利]基于时间序列的工业控制系统态势组合预测方法

说明书

本发明属于工业控制系统网络信息安全领域，具体的说是一种基于时间序列的工业控制系统态势组合预测方法。本发明包括以下步骤：数据预处理、建立两种单一预测模型、组合方法优化、预测结果融合模型。本发明能够有效的改善不同的单一模型具有不同侧重的问题，本发明提出的组合加权方法的预测精度能够明显高于各单一预测模型的精度，本发明提出高精度融合模型的预测结果能够为安全管理员做出下一步的安全防范措施提供可靠的理论依据。

技术领域

本发明属于工业控制系统网络信息安全领域，具体的说是一种基于时间序 列的工业控制系统态势组合预测方法。

背景技术

随着信息化与工业化深度融合以及物联网的快速发展，工业控制系统产品 越来越多地采用通用协议、通用硬件和通用软件。网络化浪潮又将诸如嵌入式 技术、多标准工业控制网络互联、无线技术等新兴技术融合进来，从而拓展了 工业控制的发展空间，带来新的发展机遇，同时也带来了工业控制系统的信息 安全等问题。

20世纪90年代，各个领域都逐渐引入态势感知的概念，其中网络安全领域 出现了“网络态势感知(CSA)”这个概念，它是指在大规模网络环境中对能够引 起网络态势发生变化的安全要素进行获取、理解、显示以及最近发展趋势的预 测，目的是要为安全管理员的决策提供可靠的支持。

工业控制系统态势感知模型可以分为三个部分：态势要素获取层、态势理 解层和态势预测层。本文主要对态势预测层进行研究和分析：

态势要素获取层：这一层是针对工业互联网中采集的各节点的监测值，对 其数据进行特征归并等操作，最大限度保留海量数据的关键信息。

态势理解层：对上层数据中的关键要素信息进行加权融合，获取当前系统 的态势理解值。

态势预测层：针对历史时间的态势理解值，建立时间序列预测模型。本文 将历史n个态势值输入，经过决策融合算法，输出未来时间的m个预测值。

其中，态势理解层是在态势感知过程中处于承上启下的作用的，可处理要 素获取层输出的关键信息获得历史各个时刻的态势值(Z₁,Z₂,…,Z_n)，再利用灰色预 测等时间序列预测算法，得到未来的时刻的态势预测值(Z_n+1,Z_n+2,…,Z_n+m)。由于 SCADA、DCS等工业控制系统数据具有异常样本少、维度高、关联性强等特点， 多数为正常数据，故障或临界状态的数据较少，需要对收集的数据加入攻击行 为。本文最主要研究的就是建立基于时间序列的工业控制系统态势组合预测模 型，为安全管理员提供可靠的信息，使其在未知危险来到之前做好充分准备。

发明内容

针对在背景技术中提出SCADA、DCS等工业控制系统数据异常样本少、维 度高、关联性强等缺点，本发明提出一种基于时间序列的工业控制系统态势组 合预测方法。

本发明为实现上述目的所采用的技术方案是：

基于时间序列的工业控制系统态势组合预测方法，包括以下步骤：

1)数据预处理：将收集的历史数据序列进行数据预处理：删除其中的离群 点；对历史数据序列进行假数据注入攻击，填充其中的缺失值，得到可用于计 算的时序数据；

2)建立两种单一预测模型：将可用于计算的时序数据序列分别输入到两种 单一预测模型中，得到两种不同的预测结果序列；

3)组合方法优化：将两种不同的预测结果序列，分别进行均方误差的精确 度检测，得到两种单一模型的均方误差集合，均方误差集合中元素经过对数函 数的映射后获得新的集合，对新集合中元素进行归一化处理后，将其分别设置 为两组模型的权值；

4)预测结果融合模型：将两组模型的预测结果序列和各自的权值作为输入， 建立预测结果融合模型，输出态势预测的最终预测结果。