[发明专利]一种用于工业控制系统网络流量的降维方法及电子设备

权利要求书

1.一种用于工业控制系统网络流量的降维方法，其特征在于，包括以下步骤：

S1、获取工业控制系统历史网络流量中每个样本点的k个最近邻，获取工业控制系统历史网络流量的权重矩阵和度矩阵；

S2、将度矩阵与权重矩阵相减得到拉普拉斯矩阵，并基于拉普拉斯矩阵获取用于表示各个样本点的样本矩阵；其中样本矩阵的每一行对应表示一个样本点；

S3、获取样本矩阵中每列的平均相似度；

S4、基于样本矩阵中每列的平均相似度和对应的特征值获取样本矩阵中每列的权重；

S5、将样本矩阵中的列向量按照每列的权重从小到大的顺序进行排列，得到新的样本矩阵；

S6、构建并将入侵检测模型的总计算量作为降维维数和入侵检测模型准确度间的约束，获取降维维数m；

S7、取新的样本矩阵中前m维列向量作为降维后的数据，将降维后的数据进行分类检测，获取对应的分类准确率；

S8、判断降维后的数据对应的分类准确率是否满足要求，若是则进入步骤S9；否则返回步骤S6并放大入侵检测模型的总计算量；

S9、输出并采用当前的降维维数m对待降维工业控制系统网络流量对应的新的样本矩阵进行降维。

2.根据权利要求1所述的用于工业控制系统网络流量的降维方法，其特征在于，步骤S1的具体方法包括以下子步骤：

S1-1、获取工业控制系统历史网络流量中每个样本点的k个最近邻；

S1-2、根据公式：

W＝(w_i,j)_N×N

获取工业控制系统历史网络流量的权重矩阵W；其中N表示样本点总数；w_i,j表示样本点x_i与样本点x_j间的权重；exp(·)表示以自然常数e为底的指数函数；d为每个样本点的维度；表示样本点x_i中第q维数据；表示样本点x_j中第q维数据；B_k(x_i)表示样本点x_i的k个最近邻构成的集合；t为高斯核函数的平滑因子；

S1-3、根据公式：

D＝(d_i,j)_N×N

获取权重矩阵W的度矩阵D；其中w_b,i表示样本点x_b与样本点x_i间的权重。

3.根据权利要求2所述的用于工业控制系统网络流量的降维方法，其特征在于，步骤S2的具体方法包括以下子步骤：

S2-1、根据公式：

将度矩阵与权重矩阵相减得到拉普拉斯矩阵L；

S2-2、根据公式：

Lf＝λDf

获取拉普拉斯矩阵相对于度矩阵D的广义特征值λ和特征向量f；

S2-3、将广义特征值λ中非零特征值按照从小到大的顺序进行排列，得到对应的特征向量{f¹,...,fⁱ,...,f^N-1}；其中(·)^T表示矩阵的转置；

S2-4、根据公式：

选取特征向量{f¹,...,fⁱ,...,f^N-1}中前d维，得到用于表示样本点的样本矩阵L^*_N×d；其中样本点x_i对应的特征向量前d维为(f_i¹,f_i²,...,f_i^d)。

4.根据权利要求3所述的用于工业控制系统网络流量的降维方法，其特征在于，步骤S3的具体方法为：

根据公式：

获取样本矩阵L^*_N×d中第p列和第q列之间的相似度sim(p,q)；

根据公式：

获取样本矩阵中第p列与其他列之间的相似度之和的算数平均数即样本矩阵中第p列的平均相似度进而得到样本矩阵中每列的平均相似度。