[发明专利]一种基于单类支持向量机的网络化多轴运动控制系统正弦攻击检测方法

权利要求书

1.一种基于单类支持向量机网络化多轴运动控制系统正弦攻击检测方法，其特征在于，所述方法包括以下步骤：

1)数据预处理阶段，采用快速傅里叶变换处理正常历史数据，将数据的时域信息转化为频域信息；将采样数据做傅里叶变换后减去历史数据傅里叶变换后的均值得到偏差；取该偏差绝对值的均值和方差后再取其对数；

2)模型训练阶段，对上述均值和方差训练模型，分类器选择单类支持向量机，对正样本建立模型；

3)入侵检测阶段，对采样数据进行处理后，使用上述模型进行分类从而实现攻击检测。

2.如权利要求1所述的基于单类支持向量机网络化多轴运动控制系统正弦攻击检测方法，其特征在于，所述步骤1)中，数据处理阶段分为三个步骤：

步骤1.1)正常历史数据处理

采用快速傅里叶变换，将数据的时域信息转化为频域信息，其中离散傅里叶变换的数学模型为:

F(k)＝∑y(j)W_n^(j-1)(k-1),W_n＝e^(-2πi)/n (2)

其中，y(j)为传感器检测到的位置信息，为系统的真实位置信息，v(j)是符合零均值高斯分布的白噪声，W_n为转换矩阵；

步骤1.2)采样数据处理

将采样数据做傅里叶变换后的数据记为F′，将F′减去历史数据傅里叶变换后的均值F_mean，得到偏差：

ε＝F′-F_mean (3)

经过数据预处理后，得到与正常工况历史数据的偏差信息，对该偏差信息进行分析可知，如果系统没有受到攻击，该偏差信号为高斯白噪声；反之，该偏差信息会与高斯白噪声的分布大相径庭；

步骤1.3)计算偏差的均值和方差

偏差信号的统计学特征能最大程度表征该信号的分布特性，提取其均值、方差用于分类器的学习，其均值和方差分别定义为:

3.如权利要求2所述的基于单类支持向量机网络化多轴运动控制系统正弦攻击检测方法，其特征在于，所述步骤2)中，模型训练阶段分为三个步骤：

步骤2.1)计算偏差

因为正常历史数据的傅里叶均值已经计算并保存，模型训练阶段计算偏差：

ε＝F′-F_mean (6)

步骤2.2)计算偏差的均值和方差

均值为：

方差为：

步骤2.3)训练模型参数

支持向量机模型由以下四元素组成：

λ＝{C,kernel,degree,gamma} (9)

其中，C是错误项的惩罚系数，即对错误项的宽容度；kernel是算法中的核函数类型；degree是多项式核函数的阶数，只对多项式核函数有效；gamma是径向基核函数的参数，隐含地决定了数据映射到新的特征空间后的分布。

4.如权利要求3所述的基于单类支持向量机网络化多轴运动控制系统正弦攻击检测方法，其特征在于，所述步骤3)中，入侵检测阶段分为三个步骤：

步骤3.1)实时计算偏差

实时计算时，一次只获得一个新采样值，将该采样值的傅里叶变换后的值减去历史数据的傅里叶均值，得到偏差值：

ε_i＝F_i′-F_mean (10)

其中，F₁′是采样数据傅里叶变换后的值，再对偏差取绝对值：

ε_i＝abs(F_i′-F_mean) (11)

步骤3.2)计算偏差的均值和方差

计算上述偏差值的均值和方差，一次实时计算一个周期的偏差的均值和方差，分别取对数后得到一组二元数据；

步骤3.3)实时攻击检测

根据上一步得到一组二元数据，放入模型检测，如果经过模型判断为负样本，则认为发生了攻击，如果为正样本，则认为没有发生攻击。