[发明专利]一种基于多模式人工智能的工控安全检测系统

说明书

本发明提供了一种基于多模式人工智能的工控安全检测和防御系统。该系统包括模型搭配模块，工控及其数据分析模块，工控模拟系统，蜜罐及其数据分析模块，攻防对抗模块。模型搭配模块提供人工智能模型。工控及其数据分析模块提取数据模式，将数据模式和模拟数据的异常情况反馈给工控模拟系统。工控模拟系统改进以缩小与真实工控系统的差距；在攻防博弈达到纳什均衡后，扩容或改变配置。蜜罐复刻模拟环境并实际部署，其数据分析模块提取启发式策略。攻防对抗模块综合模型搭配模块提供的模型和蜜罐数据分析模块的启发式策略，进行对抗演练以达到纳什均衡。

技术领域

本发明属于工控系统的安全检测和防御领域，尤其涉及多模式人工智能系统在工程实现时所采用的协同进化思想。

背景技术

随着经济数字化和工业信息化程度的不断加深，智能制造和第四次工业革命时代已经悄然来临，世界各国为了抢占智能制造时代的先机，纷纷推出各自的国家战略，意在通过互联网与工控网络的互联互通，进一步提高工业生产效率和服务水平。然而新的技术和方法在带来便捷高效的同时，也引入了新的风险，即将互联网的安全问题带入到工业控制系统中。恶意组织或敌对国家通过对互联网的攻击，渗透到关乎国计民生领域的工业控制系统当中，进而威胁国家安全和社会稳定，所以非常有必要研究面向工业控制系统的安全检测与防御方法。然而，要真正防护好逐渐信息化的工业控制系统，还面临以下几大挑战：

1.随着5G和人工智能时代的来临，接入互联网的工控设备不断增多，人工智能技术与网络攻击的结合使现代化的攻击手段愈加丰富，造成安全边界越来越模糊，后门隐藏于人工智能模型的众多参数和众多网络配置的组合当中。基于目前的安全形势和传统安全方法的局限性，需要更加系统，高效和主动的安全检测和防御方法；

2.工控系统对安全的特殊需要，使互联网经常采用的安全防护手段不能直接迁移到工控安全领域；

3.关于工控系统安全的研究缺乏统一公认的检测平台和评判标准，主要原因如下：一是由于真实的生产数据涉及生产机密，不方便直接获得；二是由于工控系统遵守可用性第一的原则，不能在真实的工控环境中直接进行测试，重新搭建专用的真实测试平台，成本太高；

4.目前主流深度学习模型的训练，要求训练数据正反比例均衡，但由于工控安全领域的特殊性，往往所得训练数据的正反比例非常不均衡。而且通过深度学习所获得的模型，虽然在一定条件下性能优越，却难以解释，不方便生产方结合自身的情况，改进防御策略和继续优化模型。

目前，现有的关于工控系统的安全检测和防御方法，针对上述所讨论的挑战，还没有公认有效的应对方案。

发明内容

本发明的目的是为了解决目前工控安全领域所面临的如下几个问题，如何自动挖掘和防御工控环境中的安全漏洞；如何为生产方提供定制，动态和主动的防御策略，以及适用于实际生产环境的安全建议和参考；如何节约安全策略布置到工控现场的测试成本和提高测试效率；如何在与生产方共同构建安全策略与防御系统时防止机密生产信息的泄露；如何从获取正反比例均衡数据的角度融合深度学习的方法；如何为工控系统安全的研究和演练提供实战场景；能否为得到的安全模型提供一定的解释性；得到的安全策略或模型系统能否扩展用于多个安全模型共同使用的情况。

本发明提供了一种基于多模式人工智能的工控安全检测和防御方法。本方法结合了工控系统安全研究和演练所需的模拟场景的搭建，人工智能中强化学习思想指导下训练出的模型具有可解释性和全面探索性，从攻击者角度进行主动防御的思想和真实工控环境的反馈，构建了模拟环境和攻防双方协同进化的体系和方法，可以全面的应对上述提到的工控安全领域所面临的挑战。

一种基于多模式人工智能的工控安全检测和防御方法，包括模型搭配模块，工控及其数据分析模块，工控模拟系统，蜜罐及其数据分析模块，攻防对抗模块。各子系统和模块之间的关系如附图1所示。

其中所述的工控模拟系统：