[发明专利]基于时频域基因特征提取与融合画像的多级身份认证方法

说明书

本申请针对工业信息物理系统的隐私保护与安全防护，提出了基于时频域基因特征提取与融合画像的多级身份认证方法。首先，基于获取的时序信号，分别建立以数据多阶矩特征为基本函数的自编码数学表示模型，和以小波为基本函数的多尺度表示模型；其次，基于对实时数据的自编码表示与多尺度表示，分别提取出时域和频域的多粒度特征；然后，将提取的多粒度特征建立基于时频基因融合画像的多层级图像表示；再后，将多层级画像表示分别与标准基因图像库中图像进行多级匹配认证。本申请提出的身份认证方法保证了数据的完整性、有效性，显著提高了认证速度。

技术领域

本发明涉及网络安全技术领域，尤其是涉及基于时频域基因特征提取与融合画像的多级身份认证方法。

背景技术

在工业领域中，通过通信网络将物理层和信息层交互形成了工业物联网系统-工业信息物理系统，将网络空间与物理空间紧密联系。但是由于网络的开放性和互联性，以及协议的安全漏洞，导致了多种、多层次的网络攻击。

目前，工业信息物理系统的安全防御方式主要分为三类：基于数据驱动的方法、基于系统模型的方法和基于水印、指纹和系统鲁棒性的方法。三类方法，存在如下缺陷：1)基于数据驱动的方法，以数据为核心，训练入侵检测系统，通过检查每个数据包的内容来保护设备正常运行。但是，随着攻击行为的不断多样化，具有准确标签的数据集很难获取。2)基于系统模型的方法，以系统的参数和结构为核心，设计检测器。由于内部攻击者对系统的参数和结构完全了解，多种经过精心设计的攻击行为被设计用于破坏系统性能，同时躲避检测器的检测。3)基于水印、指纹和系统鲁棒性的方法。水印的本质其实是对数据进行加密和解密，对无线传输通道的带宽有要求，并且在处理大数据方面效率不高。增强系统的鲁棒性应该作为一种辅助攻击检测器的手段，并不能作为防御攻击者的主要手段。指纹方法，多是在时域或频域但尺度下进行考虑，并没有将二者融合讨论。

发明内容

基于上述问题，本发明提供了如下技术方案：

基于时频域基因特征提取与融合画像的多级身份认证方法，步骤如下：

对接收信息进行多级数学表示；在时域空间下，以多阶矩为基函数，将接收数据分解成不同阶矩的叠加和；在频域空间下，运用小波变换多尺度分析理论，将接收数据分解为一系列小波之和；

依据多级数学表示提取多粒度特征；将接收数据在不同阶矩下的重要度视为时域下多粒度特征，将接收数据的小波展开系数视为频域下多粒度特征；

将时域和频域下提取的多粒度特征融合成接收数据的多层级基因画像；通过比对接收数据的基因画像和合法数据的基因画像进行多层级比对，判断数据是否完整；数据完整则身份认证成功，否则失败。

优选的，采用自编码式多维泰勒网模型对时域下的多粒度特征进行提取，采用Mallat算法将接收到的信息分解以对频域下的多粒度特征进行提取。

优选的，基接收数据的基因画像和合法基因画像进行多层级比对时，采用欧式距离度量进行精细匹配。

本发明采用上述结身份认证方法，采用基于基因画像的多尺度度量方法保证了设备接收信息的完整性。首先，分别以高阶矩和小波为基对设备数据进行多级数学表示，以体现在不同阶矩下的重要性以及不同域空间下的精细性；然后，分别采用了基于Kalman的自编码式多维泰勒网和Mallat算法提取多粒度特征，克服了特征提取不够精细化的缺点；接着，构建多尺度的基因画像匹配模型，实现了身份认证的快速性和准确性。

附图说明

图1为本发明实施例的总体流程图；

图2为本发明实施例中工业信息物理系统模型；

图3为本发明实施例中基于基因画像的身份认证的基本框架；

图4为本发明实施例中自编码式多维泰勒网模型对多粒度特征的提取过程；