隨著工業(yè)控制系統(tǒng)信息技術(shù)的發(fā)展與功能需求的變化,工控系統(tǒng)逐漸與企業(yè)網(wǎng)或是互聯(lián)網(wǎng)相連接,形成開放式網(wǎng)絡(luò)環(huán)境。傳統(tǒng)工業(yè)控制系統(tǒng)的信息安全主要基于物理隔離,沒有專門的安全防御措施,故在工控系統(tǒng)網(wǎng)絡(luò)開放化的當(dāng)下,其信息安全隱患也愈發(fā)凸顯。論文主要研究工業(yè)控制系統(tǒng)的異常檢測,從Modbus數(shù)據(jù)包預(yù)處理、時(shí)序特征提取和增量分類模型三個(gè)關(guān)鍵問題著手改進(jìn),提出基于單分類支持向量機(jī)的工業(yè)控制系統(tǒng)異常檢測優(yōu)化方案。方案不僅能夠降低復(fù)雜系統(tǒng)中數(shù)據(jù)包混雜造成的影響,識(shí)別多種時(shí)序上的異常情況,同時(shí)還細(xì)化改良了異常檢測模型的分類結(jié)果。具體研究成果如下:1)首先分析復(fù)雜系統(tǒng)環(huán)境下多子系統(tǒng)數(shù)據(jù)包混雜導(dǎo)致現(xiàn)有時(shí)序特征提取算法受到的影響,設(shè)計(jì)實(shí)現(xiàn)基于工控系統(tǒng)特點(diǎn)的預(yù)分組算法。算法通過將不同歸屬的數(shù)據(jù)包進(jìn)行預(yù)分組,避免了對(duì)數(shù)據(jù)包時(shí)序特征的干擾。實(shí)驗(yàn)證明相比未分組情況,預(yù)分組算法有效地提升了異常檢測的準(zhǔn)確率。2)針對(duì)現(xiàn)有時(shí)序提取算法遺漏有效特征信息的局限性,優(yōu)化的時(shí)序特征提取算法引入了流量與時(shí)間間隔方差兩個(gè)新特征并修改了單個(gè)數(shù)據(jù)包的指代特征。該算法經(jīng)實(shí)驗(yàn)證明確實(shí)能夠識(shí)別更多種類的異常情況,實(shí)驗(yàn)同時(shí)比較了特征提取算法中不同指代... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文的組織結(jié)構(gòu)
第二章 基于單分類異常檢測系統(tǒng)相關(guān)技術(shù)
    2.1 MODBUS TCP協(xié)議
    2.2 N-GRAM特征提取算法
    2.3 支持向量機(jī)與單分類支持向量機(jī)
    2.4 粒子群優(yōu)化調(diào)參算法
第三章 工業(yè)控制系統(tǒng)數(shù)據(jù)包樣本的預(yù)分組算法
    3.1 實(shí)驗(yàn)樣本的采集與處理
        3.1.1 實(shí)驗(yàn)環(huán)境的模擬設(shè)計(jì)
        3.1.2 樣本數(shù)據(jù)包的分析及存儲(chǔ)
    3.2 多獨(dú)立子系統(tǒng)數(shù)據(jù)包混雜對(duì)時(shí)序分析的影響
    3.3 預(yù)分組算法的原理與設(shè)計(jì)
        3.3.1 預(yù)分組算法原理
        3.3.2 基于周期的預(yù)分組算法設(shè)計(jì)
        3.3.3 基于關(guān)系網(wǎng)的預(yù)分組算法設(shè)計(jì)
    3.4 實(shí)驗(yàn)評(píng)估
        3.4.1 樣本模擬與特性
        3.4.2 預(yù)分組算法對(duì)比實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 時(shí)序特征提取優(yōu)化算法
    4.1 現(xiàn)有特征提取算法的局限性與優(yōu)化
        4.1.1 新特征的引入
        4.1.2 數(shù)據(jù)包指代特征的信息缺失與改進(jìn)
        4.1.3 樣本切分方法的改進(jìn)
    4.2 時(shí)序特征提取算法的優(yōu)化設(shè)計(jì)
        4.2.1 特征提取優(yōu)化算法設(shè)計(jì)
        4.2.2 特征提取優(yōu)化算法實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)評(píng)估
        4.3.1 樣本模擬與特性
        4.3.2 優(yōu)化特征提取算法對(duì)比實(shí)驗(yàn)與結(jié)果
    4.4 本章小結(jié)
第五章 結(jié)合誤報(bào)標(biāo)記的增量檢測分級(jí)模型
    5.1 增量檢測分級(jí)模型相關(guān)技術(shù)
        5.1.1 支持向量機(jī)增量學(xué)習(xí)原理
        5.1.2 雙輪廓模型簡介
    5.2 增量檢測模型的必要性與局限性
        5.2.1 靜態(tài)異常檢測模型的工作方式
        5.2.2 增量模型的必要性
        5.2.3 誤報(bào)標(biāo)記的處理方式
    5.3 增量檢測分級(jí)模型的設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 誤報(bào)標(biāo)記和增量模型的結(jié)合
        5.3.2 結(jié)合誤報(bào)的增量模型實(shí)現(xiàn)
        5.3.3 分級(jí)模型的設(shè)計(jì)
    5.4 實(shí)驗(yàn)評(píng)估
        5.4.1 樣本模擬和人工標(biāo)記
        5.4.2 對(duì)比實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)控制系統(tǒng)入侵檢測研究綜述[J]. 賴英旭,劉增輝,蔡曉田,楊凱翔.  通信學(xué)報(bào). 2017(02)
[2]工業(yè)控制系統(tǒng)安全網(wǎng)絡(luò)防護(hù)研究[J]. 孫易安,井柯,汪義舟.  信息安全研究. 2017(02)
[3]工業(yè)控制系統(tǒng)入侵檢測技術(shù)的研究及發(fā)展綜述[J]. 尚文利,安攀峰,萬明,趙劍明,曾鵬.  計(jì)算機(jī)應(yīng)用研究. 2017(02)
[4]一類支持向量機(jī)的快速增量學(xué)習(xí)方法[J]. 王洪波,趙光宙,齊冬蓮,盧達(dá).  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2012(07)
[5]工業(yè)網(wǎng)絡(luò)流量異常檢測的概率主成分分析法[J]. 侯重遠(yuǎn),江漢紅,芮萬智,劉亮.  西安交通大學(xué)學(xué)報(bào). 2012(02)
[6]基于Modbus/TCP協(xié)議的工業(yè)控制通信[J]. 司馬莉萍,賀貴明,陳明榜.  計(jì)算機(jī)應(yīng)用. 2005(S1)



本文編號(hào)：3207565