[发明专利]一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法

说明书

本发明公开了一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法，包括以下步骤：对电厂工控系统的网络安全异常行为进行监测，得到存在网络安全异常行为的监测对象，建立RBF神经网络，对电厂工控系统的网络安全事件进行统计，根据期望输入信号确定RBF神经网络的输入层节点数、隐含层节点数和输出层节点数，计算出输出层的实际输出，对网络安全异常行为进行阻断；本发明通过将安全事件以电信号的形式作为RBF神经网络期望输入信号，RBF神经网络根据隐藏层的输出和权向量计算出输出层的实际输出，然后对网络安全事件进行分类，根据网络安全事件分类对网络安全异常行为进行阻断。

技术领域

本发明涉及电厂工控系统网络安全技术领域，具体为一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法。

背景技术

网络的安全是指通过采用各种技术和管理措施，使网络系统正常运行，从而确保网络数据的可用性、完整性和保密性。网络安全的具体含义会随着“角度”的变化而变化。比如：从用户(个人、企业等)的角度来说，他们希望涉及个人隐私或商业利益的信息在网络上传输时受到机密性、完整性和真实性的保护。而从企业的角度来说，最重要的就是内部信息上的安全加密以及保护。

在电厂的正常运行中，电厂的工控系统网络相对比较封闭、运行状态相对比较稳定，正常情况下，工控系统不会与外部的网络进行数据交互，且一般不会通过内部操作改变工业控制系统的运行状态，而病毒主要通过U盘拷贝或通过运维笔记本等方式引入到工业控制系统网络，因此一旦出现外部网络访问、内部访问、外设接入、外部设备接入等行为，那么有可能会对工控系统的运行产生安全影响。

基于此，本发明设计了一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法，以解决上述提到的问题。

发明内容

本发明的目的在于提供一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法，通过对电厂工控系统的网络安全异常行为进行监测，得到存在网络安全异常行为的监测对象，并将安全事件以电信号的形式作为RBF神经网络期望输入信号，RBF神经网络根据隐藏层的输出和权向量计算出输出层的实际输出，然后对网络安全事件进行分类，根据网络安全事件分类对网络安全异常行为进行阻断，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于径向基函数算法的电厂工控系统网络安全威胁分类方法，包括以下步骤：

S1，对电厂工控系统的网络安全异常行为进行监测，得到存在网络安全异常行为的监测对象；

S2，建立RBF神经网络，将高斯函数确定为RBF神经网络中径向基函数，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等；

S3，对电厂工控系统的网络安全事件进行统计，并对不同的安全事件进行初步分类，并将初步分类的安全事件用不同的电信号进行标记；

S4，将S3中的电信号作为RBF神经网络期望输入信号进行输入，根据期望输入信号确定RBF神经网络的输入层节点数、隐含层节点数和输出层节点数，同时初始化权向量和高斯函数的中心值；

S5，通过交互性分析确定输入电信号之间的相关性，对电信号进行解耦，再结合事件时间进行交互性分析结果；

S6，RBF神经网络根据隐藏层的输出和权向量计算出输出层的实际输出，然后对网络安全事件进行分类；

S7，根据S6中的网络安全事件分类对网络安全异常行为进行阻断。