[发明专利]基于社区特征选择的ICPS无监督在线攻击检测方法和设备

权利要求书

1.一种基于社区特征选择的ICPS无监督在线攻击检测方法，其特征在于，包括：

特征约简与训练数据获取：根据ICPS的历史多源特征数集构建特征网络，然后基于社区检测方法对特征网络进行自动划分得到多个特征子集，再基于最低误分类率标准选择最佳特征子集，并将历史多源特征数集的最佳特征子集作为训练数据；

模型训练与攻击检测阈值计算：构建基于自编码器的攻击检测模型，使用训练数据作为输入和输出对攻击检测模型进行训练；然后使用训练好的攻击检测模型对训练数据进行重构进而获取对应的重构误差，再基于核密度估计方法根据重构误差计算攻击检测阈值；

在线攻击检测：实时在线获取ICPS的多源特征数集，将其最佳特征子集作为在线检测输入数据；然后使用训练好的攻击检测模型对在线检测输入数据进行重构，进而得到对应的重构误差；最终将在线检测输入数据的重构误差与攻击检测阈值进行比较，确定ICPS当前时刻是否受到攻击。

2.根据权利要求1所述的方法，其特征在于，所述多源特征数集是指M个传感器收集的数据；所述历史多源特征数集，包括M个传感器分别收集历史N个采样点的数据；实时在线获取的金源特征数集，包括M个传感器分别收集当前时刻的数据。

3.根据权利要求1所述的方法，其特征在于，将历史多源特征数集表示为X＝[x₁,x₂,...,x_M]∈R^N×M，其中x_i∈R^N，i＝1,2,...,M，x_i表示第i个传感器收集的N个数据样本，M表示ICPS的传感器个数；则构建特征网络的方法为：

步骤A1，定义有权无向图G＝(V,E,W)的节点集合为V＝{x_i|i＝,1,2,...,M}，连边集合为E＝{(x_i,x_j):x_i,x_j∈V}；i,j用于区分不同的传感器节点；

步骤A2，计算权重集合W＝{w_ij|i,j＝,1,2,...,M}，其中w_ij定义为两个传感器节点x_i和x_j之间的相似性测度，采用皮尔森相关性进行计算，即：

其中，和分别为向量x_i和x_j的平均值。因此，得到有权无向图G＝(V,E,W)的权重矩阵，即

步骤A3：定义阈值η，用于对有权无向网络G＝(V,E,W)的权重元素进行修剪，即

由此将有权无向图G转化为无权无向图G^*，且无权无向图G^*的节点集合V^*＝{x_i|i＝,1,2,...,M}的连边集合E^*＝{(x_i,x_j):x_i,x_j∈V^*}表示为连边矩阵：

其中，表示数据集X＝[x₁,x₂,...,x_M]∈R^N×M的特征x_i和x_j之间是否具有强判别性关系，如果有强判别性关系，否则至此，历史多源数据集X＝[x₁,x₂,...,x_M]∈R^N×M的特征网络G^*＝(V^*,E^*)构建完毕。