[发明专利]基于边缘计算的物联网弱电磁干扰攻击检测方法及系统

权利要求书

1.一种基于边缘计算的工业物联网弱电磁干扰攻击检测方法，所述工业物联网包括被控设备、智能设备和服务器，所述智能设备包括感知模块和MCU，感知模块的感测数据传输至MCU进行处理，所述检测方法包括：

从感知模块传输至MCU的感测数据中提取智能设备的噪声指纹作为样本，其中在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹，以建立噪声指纹样本库，其中M≥5000；

建立FEU-LSTM融合模型，把所述长度为T的噪声指纹输入FEU模型进行指纹特征提取，所述FEU模型输出的指纹特征经过平均池化层处理后输入到LSTM模型，LSTM模型输出的指纹特征经过全连接层后输入给Softmax函数处理，所述FEU-LSTM融合模型包括基于卷积神经网络的FEU模型、时间循环神经网络LSTM模型、平均池化层、全连接层和Softmax函数；

从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU-LSTM融合模型进行Q次Epoch迭代，完成FEU-LSTM融合模型训练，其中P≥125, Q≥30；

在执行攻击检测过程中，将从感知模块传输至MCU的感测数据中实时读取的长度为T的设备噪声指纹输入至训练后的FEU-LSTM融合模型，根据训练后的FEU-LSTM融合模型的输出结果判断智能设备是否受到弱电磁干扰攻击。

2.根据权利要求1所述的检测方法，其特征在于，提取长度为T的噪声指纹，包括：

采用滑动窗口技术和卡尔曼算法从感知模块传输至MCU的感测数据中提取长度为T的噪声指纹。

3.根据权利要求1所述的检测方法，其特征在于，所述FEU模型具有第一卷积层、第二卷积层和第三卷积层；

所述第一卷积层的输入数据维为[T，1]，卷积核为3×32，输出数据维为[T，32]；

所述第二卷积层的输入数据维为[T，32]，卷积核为3×64，输出数据维为[T，64]；

所述第三卷积层的输入数据维为[T，64]，卷积核为3×64，输出数据维为[T，64]；

其中，所述第一卷积层、第二卷积层和第三卷积层的卷积核的运动步长均为1，所述第一卷积层、第二卷积层和第三卷积层中采用的激活函数均为ReLU函数；

其中，T代表所述噪声指纹的长度。

4.根据权利要求3所述的检测方法，其特征在于，T等于45。

5.根据权利要求4所述的检测方法，其特征在于，Q等于30；P等于256；

所述FEU-LSTM融合模型训练包括：执行30次Epoch迭代，每个Epoch输入256个噪声指纹样本库中的随机提取噪声指纹。

6.一种工业物联网弱电磁干扰攻击检测系统，包括智能设备和服务器，其特征在于，所述检测系统包括：存储器和处理器，所述存储器上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1-5中任一项权利要求所述的工业物联网弱电磁干扰攻击检测方法。

7.根据权利要求6所述的检测系统，其特征在于，所述存储器包括：第一存储器和第二存储器；所述处理器包括第一处理器和第二处理器；

在所述第一存储器上存储有噪声指纹提取算法和噪声指纹特征提取算法的计算机程序指令，所述计算机程序指令被第一处理器执行时实现权利要求1-5中任一项权利要求所述的检测方法中的噪声指纹提取和噪声指纹特征提取；

在所述第二存储器上存储有LSTM模型计算机程序指令，所述计算机程序指令被第二处理器执行时实现权利要求1-5中任一项权利要求所述的检测方法中LSTM模型的功能。