[发明专利]工控网络负例样本数据生成方法、装置、服务器和介质

权利要求书

1.一种工控网络负例样本数据生成方法，其特征在于，包括：

获取工控网络正例样本数据记录集，所述正例样本数据记录集包括m个正例样本数据记录，每个所述正例样本数据记录包括n个维度数据，每个所述维度数据对应一个维度，每个所述维度设有相应预设权重；

依据每个所述维度上的维度数据以及相应预设权重，计算每个所述正例样本数据记录中各维度之间的相互紧密程度；

依据所述相互紧密程度将相互强关联的维度分为一组；

分别对每组维度上的所述维度数据进行攻击，生成负例样本数据。

2.根据权利要求1所述的工控网络负例样本数据生成方法，其特征在于，还包括：

采用GAN对生成的每组负例样本数据进行扩充，所述GAN包括生成模型G和判别模型D。

3.根据权利要求2所述的工控网络负例样本数据生成方法，其特征在于，所述采用GAN对生成的每组负例样本数据进行扩充包括：

利用所述生成模型G：学习真实的负例样本的概率分布，将输入的噪声数据转化生成初始负例样本；

利用所述判别模型D：判断所述初始负例样本的真实性。

4.根据权利要求1-3中任一项所述的工控网络负例样本数据生成方法，其特征在于，所述依据每个所述维度上的维度数据以及相应预设权重，计算每个所述正例样本数据记录中各维度之间的相互紧密程度之前，所述方法包括：

针对所述正例样本数据记录集包括的m个正例样本数据记录进行维度数据预处理；

所述依据每个所述维度上的维度数据以及相应预设权重，计算每个所述正例样本数据记录中各维度之间的相互紧密程度为：依据数据预处理后每个所述维度上的维度数据以及相应预设权重，计算每个所述正例样本数据记录中各维度上的维度数据之间相互紧密程度。

5.根据权利要求4所述的工控网络负例样本数据生成方法，其特征在于，所述依据数据预处理后每个所述维度上的维度数据以及相应预设权重，计算每个所述正例样本数据记录中各维度上的维度数据之间相互紧密程度包括：

依据m个正例样本数据记录的所述n个维度确定权重数据集M；

依据m个正例样本数据记录的所述n个维度确定隶属度函数集U；

由决策距离矩阵D表示所述m个正例样本数据记录中每个正例样本数据记录中n个维度的维度数据之间的概率距离，针对每个正例样本数据记录的n个维度，依据每个所述维度的维度数据的权重和隶属度函数逐一计算每个维度的决策距离矩阵D；

计算所述每个维度的决策距离矩阵D的距离值，依据所述距离值得到m个正例样本数据记录的分组判决矩阵阵列J，使用所述分组判决矩阵阵列J确定相互强关联的维度。

6.根据权利要求5所述的工控网络负例样本数据生成方法，其特征在于，所述依据m个正例样本数据记录的所述n个维度确定权重数据集M包括：

根据预设权重数据库对n个维度确定权重数据集M；所述M为；

其中，依据预设权重数据库及公式确定M中为n个维度中第k个维度所对应的权重。

7.根据权利要求6所述的工控网络负例样本数据生成方法，其特征在于，所述依据m个正例样本数据记录的所述n个维度确定隶属度函数集U包括：

依据隶属度计算公式及所述数据预处理后每个所述维度上的维度数据，基于所述隶属度函数为正态型分布函数的假设，确定所述隶属度函数集U；

所述隶属度计算公式为：；

式中，b_ij表示数据预处理后m个正例样本数据记录中的第i个正例样本数据记录的第j个维度对应的维度数据，是对应于第j个维度的维度数据的标准差，参数用来调整第j个维度的所有维度数据的展开度，在0.1-1之间根据所述维度对应的维度数据情况取值。