[发明专利]工业网络异常流量的检测方法及系统

说明书

本发明公开了一种工业网络异常流量的检测方法及系统，该方法包括：获取待检测的网络通信数据；对所述网络通信数据进行预处理，得到预处理后的数据；将所述预处理后的数据输入至预设检测模型组进行处理，得到至少两个检测结果；所述预设检测模型组包括至少两个检测模型，且各个检测模型的检测方式不同；对所述检测结果进行判定，得到目标检测结果。由于在本发明中的检测模型为至少两个，可以通过各个模型针对的检测方式不同，实现了检测模型的互补，提升了工业网络异常流量的检测准确性。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种工业网络异常流量的检测方法及系统。

背景技术

工业系统的可靠性与安全性近年来越来越受到人们的重视，许多研究所与研究人员也在关注、测试各种针对工控系统的异常检测模型以及技术。对于电力网络工控网络的异常流量控制方法，通常存在参数基线难以确定，灵活性差，误报率高的等缺陷，使得现有的异常检测技术仍然存在缺陷，降低了检测结果的准确性。

发明内容

针对于上述问题，本发明提供一种工业网络异常流量的检测方法及系统，实现了提升检测结果的准确性的目的。

为了实现上述目的，本发明提供了如下技术方案：

一种工业网络异常流量的检测方法，所述方法包括：

获取待检测的网络通信数据；

对所述网络通信数据进行预处理，得到预处理后的数据；

将所述预处理后的数据输入至预设检测模型组进行处理，得到至少两个检测结果；所述预设检测模型组包括至少两个检测模型，且各个检测模型的检测方式不同；

对所述检测结果进行判定，得到目标检测结果。

可选地，所述网络通信数据包括数值型数据和离散型数据，所述对所述网络通信数据进行预处理，得到预处理的数据，包括：

将网络通信数据中的离散型数据进行数据转换，得到与所述离散型数据对应的数值型数据。

可选地，所述检测模型包括分类模型，所述将所述预处理后的数据输入至预设检测模型组进行处理，得到至少两个检测结果，包括：将所述预处理后的数据输入至所述分类模型进行处理，得到网络流量异常点，包括：

获取预处理后的数据中的网络流量点；

利用欧式距离计算网络流量点与预设中心点之间的欧式距离；

获取所述网络流量点的属性特征，依据所述属性特征确定加权系数；

利用所述加权系数和所述欧式距离进行计算，得到加权欧式距离；

根据所述加权欧式距离与预设距离阈值进行判断，得到判定结果，所述判定结果表征所述网络流量点是否为网络流量异常点的结果。

可选地，所述检测模型包括时间序列检测模型，所述将所述预处理后的数据输入至预设检测模型组进行处理，得到至少两个检测结果，包括：将所述预处理后的数据输入至所述时间序列检测模型进行处理，得到网络流量异常点，包括：

基于预处理后的数据生成网络流量点的时间序列；

将所述时间序列输入至所述时间序列检测模型，得到检测结果，所述检测结果表征所述网络流量点是否为网络流量异常点的结果，所述时间序列检测模型表征具有激活函数的神经网络模型。

可选地，所述检测模型包括相关性检测模型，所述将所述预处理后的数据输入至预设检测模型组进行处理，得到至少两个检测结果，包括：将所述预处理后的数据输入至所述相关性检测模型进行处理，得到异常检测结果，包括：

获取所述预处理会后的数据的属性特征；