[发明专利]一种基于MHMA的异常检测方法和设备

说明书

本申请涉及人工智能技术领域，特别涉及一种基于MHMA的异常检测方法和设备，用以解决现有技术中对于工业控制系统中的异常数据检测准确率低的技术问题。该方法包括：获取工业控制系统中的设备数据，将设备数据输入训练完成的、包括用于记忆增强的记忆模块的多头记忆自编码器中，得到设备数据对应的重构数据；计算设备数据与重构数据之间的重构误差，当重构误差超出预设异常阈值时，确定工业控制系统存在异常。如此，采用多头记忆自编码器对系统中的异常数据进行检测，有效提高系统异常检测的准确率。

技术领域

本申请涉及人工智能技术领域，特别涉及一种基于MHMA的异常检测方法和设备。

背景技术

工业控制系统(Industrial control system,ICS)是指用于操作、控制、辅助自动化工业生产过程的设备、系统、网络以及控制器的集合，是对工业生产中的各种控制系统的统称。其包括数据采集与监控系统(Supervisory control and data acquisition，SCADA)、分布式控制系统(Distributed Control System，DCS)和执行控制功能的其他系统。随着工业化和信息化融合发展的不断深入，工业控制系统面临更为严峻的威胁。近年来，对于工业系统的异常攻击屡次发生，如果未能及时发现工业系统中出现的异常，将对工业系统造成不可挽回的损失。

现有技术中，基于上述背景，对工业系统的异常检测越发重视，随着机器学习和神经网络的发展，将深度学习和工业控制系统的入侵检测相结合，对于工业系统的异常检测具有一定的成效。其中，自编码器(Auto-encoder，AE)在工业控制系统异常检测中受到了广泛使用。

但是，在实际应用中，传统的自编码器在应用时，由于泛化能力过强，会对系统中的部分异常数据也进行较好的重构，系统将无法检测出部分异常数据，从而产生系统的异常数据检测准确率低的问题。

有鉴于此，亟需提供一种更为有效的工控系统异常检测方法以克服上述缺陷。

发明内容

本申请实施例提供一种基于MHMA的异常检测方法和设备，用以解决现有技术中对于工业控制系统中的异常数据检测准确率低的技术问题。

本申请实施例提供的具体技术方案如下：

本申请实施例的第一方面，提供一种基于MHMA的异常检测方法，包括：

获取工业控制系统中的设备数据；

将所述设备数据输入训练完成的多头记忆自编码器中，得到所述设备数据对应的重构数据；所述多头记忆自编码器中包括用于记忆增强的记忆模块；所述多头记忆自编码器是由所述设备数据中的正常数据训练得到

计算所述设备数据与所述重构数据之间的重构误差；

判断所述重构误差是否超出预设异常阈值，得到判断结果；

当所述判断结果表示所述重构误差超出所述预设异常阈值时，确定所述工业控制系统存在异常。

可选的，所述多头记忆自编码器可以包括编码器、记忆模块以及解码器；

所述将所述设备数据输入训练完成的多头记忆自编码器中，得到所述设备数据对应的重构数据，具体可以包括：

采用所述编码器对所述设备数据进行编码，得到第一隐特征向量；

采用所述记忆模块对所述隐特征向量进行记忆增强，输出第二隐特征向量，所述第二隐特征向量为与所述第一特征向量邻近的基础特征向量；

将所述第二隐特征向量输入所述解码器中，得到重构数据。

可选的，所述解码器中的最后一层网络具有多个网络分支；

所述将所述第二隐特征向量输入所述解码器中，得到重构数据，具体可以包括：