[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在审
| 申请号: | 201910524667.4 | 申请日: | 2019-06-18 |
| 公开(公告)号: | CN110287447A | 公开(公告)日: | 2019-09-27 |
| 发明(设计)人: | 张文安;缪银锋;吴麒;史秀纺;程蒋旭;雷濛;洪榛;俞立 | 申请(专利权)人: | 浙江工业大学 |
| 主分类号: | G06F17/14 | 分类号: | G06F17/14;G06K9/62 |
| 代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 王利强 |
| 地址: | 310014 浙江省*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 攻击检测 单类支持向量机 正弦 多轴运动控制系统 傅里叶变换 采样数据 历史数据 网络化 方差 快速傅里叶变换 分类器选择 数据预处理 模型训练 频域信息 入侵检测 时域信息 训练模型 样本建立 有效检测 减去 对正 分类 转化 | ||
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,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。本发明有效检测正弦攻击检测。
技术领域
本发明属于工业控制系统安全技术领域,具体涉及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。
背景技术
随着工业化和信息化的深度融合,互联网技术越来越多的应用于工业控制系统,原有的工业控制系统从封闭专有的系统逐渐向开放互联的系统转换,具有高技术性和高隐蔽性的网络攻击成为当前工控系统网络安全的主要挑战。虚假数据注入攻击是指攻击方通过入侵仪表和传感器注入虚假数据集合从而干扰系统的正常运行。攻击者对控制系统中控制器和现场设备之间的传输链路上的数据进行篡改,相当于在正常数据中注入了恶意增量,从而欺骗数据接收方。本文主要考虑正弦信号的假数据注入攻击。
现有的入侵检测方法通常从网络协议或网络流量入手,主要考虑比较明显的恶意攻击,难以发现工业控制系统中的隐蔽性攻击,且控制系统工作环境的扰动会对攻击检测造成干扰,使检测更加困难。因此,虚假数据注入攻击的入侵检测方法一直是个难题。在现代制造行业中有大量重复加工过程,而重复加工过程需要伺服驱动单元执行重复性的工作,其输入为周期性的信号或指令,其输出要求能稳定无静差地跟踪这种周期性的输入信号。本发明考虑了重复加工过程中虚假数据注入攻击情况,基于单类支持向量机对正弦攻击进行实时的入侵检测。
发明内容
假设假数据攻击入侵到控制系统,篡改控制端或输出端数据,同时又逃过了工业控制系统的检测。为了有效检测出工业控制系统中存在的该类攻击,本发明提出了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,根据传感器采样的数据特征来检测是否存在攻击。
本发明采用的技术方案如下:
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,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。
进一步,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)Wn(j-1)(k-1),Wn=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,Wn为转换矩阵,为了消除偏差,可取n个周期做傅里叶变换后取均值Fmean;
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Fmean,得到偏差:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910524667.4/2.html,转载请声明来源钻瓜专利网。





