[发明专利]一种基于特征扩充的工控安全检测方法

说明书

本发明公开了一种基于特征扩充的工控安全检测方法，包括步骤：S1，在网络连接数据中选取多条特征数据，计算某一条特征数据在时间t₀的前n条数据的平均时间T，n≥4，构建时间特征＝数据时间t₀‑平均时间T；将所构建的时间特征用于构建数据矩阵，构建的带有时间特征的数据矩阵作为一组数据；然后按如上操作，对选取的下一条特征数据构建第二组数据，直至对选取的多条特征数据构建完成得到多组数据，完成第一个预处理步骤；S2，将第一个预处理后得到的多组数据输入到模型中训练，训练后用于执行工控安全检测任务等；本发明简化了特征选取，形成特征丰富化，实现多维预判识别，提高检测精度，提高了训练速度等。

技术领域

本发明涉及工业信息安全领域，更为具体的，涉及一种基于特征扩充的工控安全检测方法。

背景技术

工业控制系统遭受的黑客攻击呈现增长趋势，原因是工业生产的信息化和网络化。工业控制系统生产连续性、设备复杂性、行业工艺差异性、产品组件强耦合性、网络协议多样性、制造技术垄断性、人员安全信息意识淡漠等特点，导致工业控制系统信息安全防护工作困难重重。

现有基于人工智能的工控网络数据检测主要分为传统机器学习检测以及RNN相关及变种的基于自然语言框架的检测(如图1所示)，均忽略了时间序列(上下网络数据之间关联及时间间隔问题)，维度多数为低维数据，无法实现高精度的评估网络数据及进一步充分考虑多维数据。并且，通常情况为采用三元组或五元组，通过传统机器学习，如SVM，PCA，决策树等进行模型预测，或采用基于RNN的LSTM，GRU等进行分类预测。其预处理模块多为未经特征选取，其特征选取为专业认识进行选取，故此预处理模块会导致多维无用特征对其它特征影响的同时，也加大了特征训练计算复杂度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于特征扩充的工控安全检测方法，简化了特征选取，形成特征丰富化，实现多维预判识别，提高检测精度，提高了训练速度等。

本发明的目的是通过以下方案实现的：

一种基于特征扩充的工控安全检测方法，包括步骤：

S1，在网络连接数据中选取多条特征数据，计算某一条特征数据在时间t₀的前n条数据的平均时间T，n≥4，构建时间特征＝数据时间t₀-平均时间T；将所构建的时间特征用于构建数据矩阵，构建的带有时间特征的数据矩阵作为一组数据；然后按如上操作，对选取的下一条特征数据构建第二组数据，直至对选取的多条特征数据构建完成得到多组数据，完成第一个预处理步骤；

S2，将第一个预处理后得到的多组数据输入到模型中训练，训练后用于执行工控安全检测任务。

进一步地，在步骤S1中，包括第二个预处理步骤，即对选取的多条特征数据进行镜像填充处理，具体包括步骤：

S1a，先以带有时间特征的数据矩阵的边缘为对称边，向外部进行对称性填充；

S1b，然后填充横纵方向特征，再以横纵方向特征为基础进行斜方向的特征填充。

进一步地，在步骤S1中，包括特征丰富化预处理步骤，即对选取的多条特征数据进行特征丰富化处理，具体包括步骤：

S11，将每一组数据通过高斯核函数RBF进行维度转化，然后将每一组数据x作为一个地标l，采用如下公式进行升维丰富化处理，即

其中，l₁表示第一个地标，l₂表示第二个地标，γ表示超参数，γ为正实数；

S12，对升维后的数据，采用如下公式进行点乘计算，进一步丰富升维后的数据得到最终维度值K，即