集通信、計(jì)算和控制于一體的工業(yè)認(rèn)知網(wǎng)絡(luò)系統(tǒng)（Industrial Cognitive Network System,ICNS）是一種大規(guī)模、分布式、復(fù)雜異構(gòu)且深度嵌入式的實(shí)時(shí)系統(tǒng),被認(rèn)為是實(shí)現(xiàn)智能制造的核心技術(shù)。工業(yè)控制系統(tǒng)原有的相對(duì)獨(dú)立和隔離的封閉性被打破,變得開放和網(wǎng)絡(luò)化,因系統(tǒng)隔離而帶來的天然安全性不復(fù)存在。然而,ICNS的系統(tǒng)保障機(jī)制還沒有達(dá)到安全性能要求,如何做好ICNS安全防護(hù)迫在眉睫。一些對(duì)抗性網(wǎng)絡(luò)攻擊可以基于所獲取的系統(tǒng)知識(shí)、傳感器系統(tǒng)節(jié)點(diǎn)歷史數(shù)據(jù)等,將自身網(wǎng)絡(luò)攻擊行為偽裝或隱藏于合法正常網(wǎng)絡(luò)數(shù)據(jù)流中,從而躲避傳統(tǒng)的網(wǎng)絡(luò)安全監(jiān)測(cè),大大增加了ICNS入侵檢測(cè)的漏檢率。另外,系統(tǒng)正常模式轉(zhuǎn)換產(chǎn)生的流量波動(dòng)易被傳統(tǒng)的基于流量異常的網(wǎng)絡(luò)入侵檢測(cè)判定為攻擊行為,導(dǎo)致較高的誤報(bào)率。因此,本文提出一種融合系統(tǒng)狀態(tài)估計(jì)與網(wǎng)絡(luò)流量異常監(jiān)測(cè)的ICNS入侵檢測(cè)方法,在ICNS安全監(jiān)測(cè)中同時(shí)引入狀態(tài)異常檢測(cè)和流量異常檢測(cè),不僅能檢測(cè)到具備模型知識(shí)和披露資源的隱蔽性攻擊,還能檢測(cè)到導(dǎo)致系統(tǒng)狀態(tài)變化的系統(tǒng)攻擊,實(shí)現(xiàn)較為全面的ICNS安全防護(hù)。論文主要研究工作如下:（1）針對(duì)傳統(tǒng)的入侵檢測(cè)方法對(duì)隱蔽... 

【文章來源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

系統(tǒng)狀態(tài)預(yù)測(cè)

融合系統(tǒng)狀態(tài)估計(jì)與流量異常監(jiān)測(cè)的工業(yè)認(rèn)知網(wǎng)入侵檢測(cè)27樣本）。另外，由于每個(gè)簇都都有對(duì)應(yīng)的入侵檢測(cè)器，且都事先進(jìn)行模型訓(xùn)練后才進(jìn)行入侵檢測(cè)，因此，分簇多少對(duì)檢測(cè)正確率影響不大。給出三種模態(tài)代表過程數(shù)據(jù)發(fā)生時(shí)變后的工況（模態(tài)1、模態(tài)2和模態(tài)3），三種模態(tài)均產(chǎn)生200組樣本作為初始訓(xùn)練集6006X。12:(2,3)1:(3,1):(0,0.1)sUniformmodelsNormalNormal12:(0,1)2:(0,1):(0,0.1)sUniformmodelsNormalNormal(3.65)12:(1,2)3:(0,0.5):(0,0.1)sUniformmodelsNormalNormal基于正常工況數(shù)據(jù)，在三種模態(tài)下，分別在變量123456y,y,y,y,y,y中引入不同的攻擊信號(hào)。在第151組樣本數(shù)據(jù)起到第350組樣本中，分別添加拒絕服務(wù)攻擊和欺騙攻擊，即第151組到350組為帶有攻擊的樣本；在第251組樣本數(shù)據(jù)起到第401組樣本中，分別添加拒絕服務(wù)攻擊和欺騙攻擊，即第251組到401組為帶有攻擊的樣本。為了提高所提方法的準(zhǔn)確性，降低殘差閾值(0)參數(shù)對(duì)實(shí)驗(yàn)的影響，通過設(shè)置多個(gè)參數(shù)值（0.2，0.4，0.6，0.8，1.0，1.2）進(jìn)行實(shí)驗(yàn)來確定最優(yōu)值，結(jié)果如圖3.6所示。由于具有良好性能的方法需要同時(shí)滿足高準(zhǔn)確率和低誤報(bào)率，因此，需要平衡準(zhǔn)確率和誤報(bào)率。從圖3.6中可以看出，在殘差閾值=0.8時(shí)，獲得了相對(duì)較高的準(zhǔn)確率和較低誤報(bào)率，因此，本實(shí)驗(yàn)中取殘差閾值為0.8。圖3.6殘差閾值對(duì)實(shí)驗(yàn)的影響

融合系統(tǒng)狀態(tài)估計(jì)與流量異常監(jiān)測(cè)的工業(yè)認(rèn)知網(wǎng)入侵檢測(cè)29(a)cluster1(b)cluster2拒絕服務(wù)攻擊拒絕服務(wù)攻擊欺騙攻擊欺騙攻擊噪聲攻擊噪聲攻擊放縮攻擊放縮攻擊確定為攻擊確定為攻擊確定為正常確定為正常確定為正常確定為攻擊確定為正常確定為攻擊(c)cluster3(d)cluster4圖3.9model3圖3.10準(zhǔn)確率圖3.11誤報(bào)率

【參考文獻(xiàn)】：
期刊論文
[1]信息物理系統(tǒng)技術(shù)綜述[J]. 李洪陽,魏慕恒,黃潔,邱伯華,趙曄,駱文城,何曉,何瀟.  自動(dòng)化學(xué)報(bào). 2019(01)
[2]信息物理融合系統(tǒng)綜合安全威脅與防御研究[J]. 劉烴,田決,王稼舟,吳宏宇,孫利民,周亞東,沈超,管曉宏.  自動(dòng)化學(xué)報(bào). 2019(01)
[3]拒絕服務(wù)攻擊下基于UKF的智能電網(wǎng)動(dòng)態(tài)狀態(tài)估計(jì)研究[J]. 李雪,李雯婷,杜大軍,孫慶,費(fèi)敏銳.  自動(dòng)化學(xué)報(bào). 2019(01)
[4]基于模糊粗糙集屬性約簡與GMM-LDA最優(yōu)聚類簇特征學(xué)習(xí)的自適應(yīng)網(wǎng)絡(luò)入侵檢測(cè)[J]. 劉金平,張五霞,唐朝暉,何捷舟,徐鵬飛.  控制與決策. 2019(02)
[5]知識(shí)自動(dòng)化及工業(yè)應(yīng)用[J]. 桂衛(wèi)華,陳曉方,陽春華,謝永芳.  中國科學(xué):信息科學(xué). 2016(08)
[6]烏克蘭停電事件對(duì)全球能源互聯(lián)網(wǎng)安全的啟示[J]. 張盛杰,何冰,王立富,龔良濤.  電力信息與通信技術(shù). 2016(03)

博士論文
[1]數(shù)據(jù)與模型驅(qū)動(dòng)的工業(yè)信息物理系統(tǒng)動(dòng)態(tài)信息安全防護(hù)方法研究[D]. 黃開興.華中科技大學(xué) 2018

碩士論文
[1]無跡卡爾曼濾波算法的改進(jìn)及應(yīng)用研究[D]. 徐建.成都理工大學(xué) 2018
[2]面向工業(yè)控制系統(tǒng)的入侵檢測(cè)方法的研究與設(shè)計(jì)[D]. 羅耀鋒.浙江大學(xué) 2013



本文編號(hào)：3258320