[发明专利]一种基于改进概率神经网络的工控网络态势评估方法

权利要求书

1.一种基于概率神经网络的工控网络态势评估方法，其特征在于包含以下步骤：

a.工控系统态势信息的提取：利用异构传感器等设备进行数据的采集，形成原始的数据集合；

b.数据预处理：对收集的数据规范化成统一的格式，然后进行归一化处理，最后利用主成分分析法对归一化后的数据进行降维处理，避免维度灾难，从而缩短计算时间、提高系统性能；

c.神经网络的优化与攻击类型分类：利用果蝇优化算法对概率神经网络进行优化，寻找全局最优参数继而构建概率神经网络，利用改进的概率神经网络对处理后的数据进行训练和预测，从而对攻击类型进行分类；

d.态势值的计算：结合具体的工控场景选取态势评估的威胁因素和指标，对不同状态、不同时刻下的态势值进行计算，为接下来的态势预测提供数据。

2.根据权利要求1所述的一种基于概率神经网络的工控网络态势评估方法，其特征在于：

在所述步骤b中，数据预处理主要包含规范数据格式、数值归一化和数据降维三个阶段。规范数据格式是将所有的数据转换为数值形式，归一化是利用公式(X-Min)/(Max-Min)将数值范围限定在[0,1]之间。

3.根据权利要求1所述的一种基于概率神经网络的工控网络态势评估方法，其特征在于：

在所述步骤b中，数据降维是计算原始数据矩阵X的协方差矩阵D及其特征值、特征向量，按照特征值的大小将特征向量按列排序生成矩阵P'并根据贡献度的大小进行降维，假设降到k维，则选取P'的前k列构成P，得到降维后的数据Y＝XP。

4.根据权利要求1所述的一种基于概率神经网络的工控网络态势评估方法，其特征在于：

在所述步骤c中，果蝇优化过程主要包含初始化、嗅觉搜索过程、视觉搜索过程以及果蝇迭代寻优几个阶段。

5.根据权利要求1所述的一种基于概率神经网络的工控网络态势评估方法，其特征在于：

在所述步骤d中，对于已分类攻击类型的威胁程度是利用专家经验进行打分，分值越高代表威胁程度越大。最后结合其他威胁因素，利用加权平均法对系统状态进行评估，分值越高代表威胁程度越大。