CN110113336A - 一种用于变电站网络环境的网络流量异常分析与识别方法 - Google Patents

一种用于变电站网络环境的网络流量异常分析与识别方法 Download PDF

Info

Publication number
CN110113336A
CN110113336A CN201910371341.2A CN201910371341A CN110113336A CN 110113336 A CN110113336 A CN 110113336A CN 201910371341 A CN201910371341 A CN 201910371341A CN 110113336 A CN110113336 A CN 110113336A
Authority
CN
China
Prior art keywords
network
data
flow data
substation
flows
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910371341.2A
Other languages
English (en)
Other versions
CN110113336B (zh
Inventor
王庭宇
龚海澎
蒋函
张小霖
谢东
付从海
李明明
谢和君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Yingsaike Technology Co Ltd
Original Assignee
Sichuan Yingsaike Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Yingsaike Technology Co Ltd filed Critical Sichuan Yingsaike Technology Co Ltd
Priority to CN201910371341.2A priority Critical patent/CN110113336B/zh
Publication of CN110113336A publication Critical patent/CN110113336A/zh
Application granted granted Critical
Publication of CN110113336B publication Critical patent/CN110113336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/145—Countermeasures against malicious traffic the attack involving the propagation of malware through the network, e.g. viruses, trojans or worms

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Virology (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种用于变电站网络环境的网络流量异常分析与识别方法，包括以下步骤：通过流量监测装置旁路接入变电站站控层网络，在变电站站控层网络的汇接处将网络流量数据通过交换机镜像到流量监测装置，流量监测装置通过内置的协议解析模块对网络流量数据按变电站站控层网络协议进行解析；将解析的协议头信息按一种方法进行处理；同时将解析后的网络流量数据按另一种方法进行处理；完成网络流量异常分析与识别。本发明通过两种方案分析和识别变电站现场环境中是否存在有无线热点并违规接入了互联网，对变电站现场环境的网络实现了有效监测，提高了网络安全。

Description

一种用于变电站网络环境的网络流量异常分析与识别方法
技术领域
本发明涉及一种网络流量分析与识别方法，尤其涉及一种用于变电站网络环境的网络流量异常分析与识别方法。
背景技术
随着信息化和工业化融合的不断深入，工业控制系统从单机走向互联，从封闭走向开放，从自动化走向智能化。在生产力显著提高的同时，工业控制系统面临着日益严峻的网络安全威胁。为了应对这些网络安全威胁，通常会将工业控制系统的实时生产控制区划分为独立的网络，进行物理隔离。然而，随着通信技术的发展，WIFI技术凭借自身的优势被广泛应用，在为人们带来广泛便利的同时，却带来了较大的安全隐患，尤其是在工业控制现场，无线热点的使用可以轻易突破隔离网络限制，将本应物理隔离的工业控制系统连接到互联网上，形成极大的安全隐患。
在一些较为特殊的工业控制现场，比如变电站工作现场，出于安全性保护要求，通常不允许有非法的无线热点接入。但是，如何监测在变电站现场环境中是否存在有无线热点并违规接入了互联网，目前还缺乏相应的解决方案。
发明内容
本发明的目的就在于为了解决上述问题而提供一种用于变电站网络环境的网络流量异常分析与识别方法。
本发明通过以下技术方案来实现上述目的：
一种用于变电站网络环境的网络流量异常分析与识别方法，包括以下步骤：
步骤一、通过流量监测装置旁路接入变电站站控层网络，在变电站站控层网络的汇接处将网络流量数据通过交换机镜像到流量监测装置，流量监测装置通过内置的协议解析模块对网络流量数据按变电站站控层网络协议进行解析；
步骤二、将解析的协议头信息按下述步骤10-步骤14进行处理；同时将解析后的网络流量数据按下述步骤20-步骤25进行处理；完成网络流量异常分析与识别；
步骤10、将确定没有非法入侵的网络流量监测阶段定义为学习期；在学习期内，将解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表定义为白名单；
步骤11、对于学习期之后接收的网络流量数据，首先由工作人员将不在白名单中且可以确认为非法入侵网络流量数据的协议头信息定义为黑名单；
步骤12、对于定义黑名单之后接收的网络流量数据，判断解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表是否在白名单中，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是否在黑名单中，如果在，则判断为非法入侵网络流量数据并发出非法入侵报警，如果不在，则判断为可疑网络流量数据并发出可疑报警；
步骤13、由工作人员对可疑网络流量数据进行人为判断，如果判断为非法入侵网络流量数据，则将其纳入黑名单；如果判断为正常网络流量数据，则将其纳入白名单；
步骤14、对于新接收的网络流量数据，重复步骤12和步骤13；
步骤20、将解析后的网络流量数据按如下四种分类进行流量数据采样：第一种、单位时间内按源IP统计的流量数据，第二种、单位时间内按目的IP统计的流量数据，第三种、单位时间内按协议类型统计的流量数据，第四种、单位时间内按目的端口统计的流量数据；上述单位时间可以为三个月或其它合适的时间；
步骤21、确定一段时间为采样基线生成期，在该生成期内，针对四种流量数据，分别计算最小指标平均值LCL和最大指标平均值UCL；
步骤22、对于采样基线生成期之后接收的网络流量数据，用步骤20的方法按四种分类进行流量数据采样，分别判断四种采样流量数据是否在[LCL，UCL]范围内，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是正偏离还是负偏离；
步骤23、如果是正偏离，则由工作人员分析流量增加原因，如果是负偏离，则由工作人员分析流量减少原因，同时判断为可疑网络流量数据并发出可疑报警；
步骤24、由工作人员分析是否因为有害程序引起的异常，如果是，则将该网络流量数据纳入黑名单列表并发出非法入侵报警，以后新接收的网络流量数据如果与黑名单数据相同则直接发出非法入侵报警；如果不是，则将其视为无害数据且不作处理；
步骤25、对于新接收的网络流量数据，重复步骤22和步骤25。
作为优选，所述步骤21中，计算最小指标平均值LCL和最大指标平均值UCL的方法如下：
设一种采样流量数据的数量为k，各流量数据分别记录为x1、x2、x3、…xk，先计算指标平均值CL＝Σxi/k，i＝1、2、3、…k；再计算样本移动极差MRi＝∣xi-xi-1∣，i＝1、2、3、…k；再计算样本移动极差平均值MR＝ΣMRi/(k-1)；最后计算最小指标平均值LCL＝CL-3×MR/d2，最大指标平均值UCL＝CL+3×MR/d2，d2为常数。
作为优选，所述d2为1.128。
本发明的有益效果在于：
本发明通过两种方案分析和识别变电站现场环境中是否存在有无线热点并违规接入了互联网，对变电站现场环境的网络实现了有效监测，提高了网络安全；具体来说，通过对接收到的网络流量数据的协议头信息进行分析和识别，能判别非法设备接入业务网络或潜伏的木马病毒运行引起的异常情况，通过对接收到的网络流量数据在单位时间内的数据分析和识别，能够进一步发现因网络中业务大量掉线、网络大面积停摆、因潜伏的木马、病毒等有害程序发作引起的网络流量波动而产生的流量异常现象。
具体实施方式
下面结合实施例对本发明作进一步说明：
实施例：
一种用于变电站网络环境的网络流量异常分析与识别方法，包括以下步骤：
步骤一、通过流量监测装置旁路接入变电站站控层网络，在变电站站控层网络的汇接处将网络流量数据通过交换机镜像到流量监测装置，流量监测装置通过内置的协议解析模块对网络流量数据按变电站站控层网络协议进行解析；这里的流量监测装置为常规设备；
步骤二、将解析的协议头信息按下述步骤10-步骤14进行处理；同时将解析后的网络流量数据按下述步骤20-步骤25进行处理；完成网络流量异常分析与识别；
步骤10、将确定没有非法入侵的网络流量监测阶段定义为学习期；在学习期内，将解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表定义为白名单；
步骤11、对于学习期之后接收的网络流量数据，首先由工作人员将不在白名单中且可以确认为非法入侵网络流量数据的协议头信息定义为黑名单；
步骤12、对于定义黑名单之后接收的网络流量数据，判断解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表是否在白名单中，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是否在黑名单中，如果在，则判断为非法入侵网络流量数据并发出非法入侵报警，如果不在，则判断为可疑网络流量数据并发出可疑报警；
步骤13、由工作人员对可疑网络流量数据进行人为判断，如果判断为非法入侵网络流量数据，则将其纳入黑名单；如果判断为正常网络流量数据，则将其纳入白名单；
步骤14、对于新接收的网络流量数据，重复步骤12和步骤13；
步骤20、将解析后的网络流量数据按如下四种分类进行流量数据采样：第一种、单位时间内按源IP统计的流量数据，第二种、单位时间内按目的IP统计的流量数据，第三种、单位时间内按协议类型统计的流量数据，第四种、单位时间内按目的端口统计的流量数据；上述单位时间可以为三个月或其它合适的时间；
步骤21、确定一段时间为采样基线生成期，在该生成期内，针对四种流量数据，分别计算最小指标平均值LCL和最大指标平均值UCL；
本步骤中，计算最小指标平均值LCL和最大指标平均值UCL的方法如下：
设一种采样流量数据的数量为k，各流量数据分别记录为x1、x2、x3、…
xk，先计算指标平均值CL＝Σxi/k，i＝1、2、3、…k；再计算样本移动极差MRi＝∣xi-xi-1∣，i＝1、2、3、…k；再计算样本移动极差平均值MR＝ΣMRi/(k-1)；最后计算最小指标平均值LCL＝CL-3×MR/d2，最大指标平均值UCL＝CL+3×MR/d2，d2为常数，取1.128；
步骤22、对于采样基线生成期之后接收的网络流量数据，用步骤20的方法按四种分类进行流量数据采样，分别判断四种采样流量数据是否在[LCL，UCL]范围内，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是正偏离还是负偏离；
步骤23、如果是正偏离，则由工作人员分析流量增加原因，如果是负偏离，则由工作人员分析流量减少原因，同时判断为可疑网络流量数据并发出可疑报警；
步骤24、由工作人员分析是否因为有害程序引起的异常，如果是，则将该网络流量数据纳入黑名单列表并发出非法入侵报警，以后新接收的网络流量数据如果与黑名单数据相同则直接发出非法入侵报警；如果不是，则将其视为无害数据且不作处理；
步骤25、对于新接收的网络流量数据，重复步骤22和步骤25。
上述实施例只是本发明的较佳实施例，并不是对本发明技术方案的限制，只要是不经过创造性劳动即可在上述实施例的基础上实现的技术方案，均应视为落入本发明专利的权利保护范围内。

Claims (3)

1.一种用于变电站网络环境的网络流量异常分析与识别方法，其特征在于：包括以下步骤：
步骤一、通过流量监测装置旁路接入变电站站控层网络，在变电站站控层网络的汇接处将网络流量数据通过交换机镜像到流量监测装置，流量监测装置通过内置的协议解析模块对网络流量数据按变电站站控层网络协议进行解析；
步骤二、将解析的协议头信息按下述步骤10-步骤14进行处理；同时将解析后的网络流量数据按下述步骤20-步骤25进行处理；完成网络流量异常分析与识别；
步骤10、将确定没有非法入侵的网络流量监测阶段定义为学习期；在学习期内，将解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表定义为白名单；
步骤11、对于学习期之后接收的网络流量数据，首先由工作人员将不在白名单中且可以确认为非法入侵网络流量数据的协议头信息定义为黑名单；
步骤12、对于定义黑名单之后接收的网络流量数据，判断解析的协议头信息的源IP地址、目的IP地址、目的端口表和协议表是否在白名单中，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是否在黑名单中，如果在，则判断为非法入侵网络流量数据并发出非法入侵报警，如果不在，则判断为可疑网络流量数据并发出可疑报警；
步骤13、由工作人员对可疑网络流量数据进行人为判断，如果判断为非法入侵网络流量数据，则将其纳入黑名单；如果判断为正常网络流量数据，则将其纳入白名单；
步骤14、对于新接收的网络流量数据，重复步骤12和步骤13；
步骤20、将解析后的网络流量数据按如下四种分类进行流量数据采样：第一种、单位时间内按源IP统计的流量数据，第二种、单位时间内按目的IP统计的流量数据，第三种、单位时间内按协议类型统计的流量数据，第四种、单位时间内按目的端口统计的流量数据；
步骤21、确定一段时间为采样基线生成期，在该生成期内，针对四种流量数据，分别计算最小指标平均值LCL和最大指标平均值UCL；
步骤22、对于采样基线生成期之后接收的网络流量数据，用步骤20的方法按四种分类进行流量数据采样，分别判断四种采样流量数据是否在[LCL，UCL]范围内，如果在，则判断为正常网络流量数据，不报警；如果不在，则判断其是正偏离还是负偏离；
步骤23、如果是正偏离，则由工作人员分析流量增加原因，如果是负偏离，则由工作人员分析流量减少原因，同时判断为可疑网络流量数据并发出可疑报警；
步骤24、由工作人员分析是否因为有害程序引起的异常，如果是，则将该网络流量数据纳入黑名单列表并发出非法入侵报警，以后新接收的网络流量数据如果与黑名单数据相同则直接发出非法入侵报警；如果不是，则将其视为无害数据且不作处理；
步骤25、对于新接收的网络流量数据，重复步骤22和步骤25。
2.根据权利要求1所述的用于变电站网络环境的网络流量异常分析与识别方法，其特征在于：所述步骤21中，计算最小指标平均值LCL和最大指标平均值UCL的方法如下：
设一种采样流量数据的数量为k，各流量数据分别记录为x1、x2、x3、…xk，先计算指标平均值CL＝Σxi/k，i＝1、2、3、…k；再计算样本移动极差MRi＝∣xi-xi-1∣，i＝1、2、3、…k；再计算样本移动极差平均值MR＝ΣMRi/(k-1)；最后计算最小指标平均值LCL＝CL-3×MR/d2，最大指标平均值UCL＝CL+3×MR/d2，d2为常数。
3.根据权利要求2所述的用于变电站网络环境的网络流量异常分析与识别方法，其特征在于：所述d2为1.128。
CN201910371341.2A 2019-05-06 2019-05-06 一种用于变电站网络环境的网络流量异常分析与识别方法 Active CN110113336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910371341.2A CN110113336B (zh) 2019-05-06 2019-05-06 一种用于变电站网络环境的网络流量异常分析与识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910371341.2A CN110113336B (zh) 2019-05-06 2019-05-06 一种用于变电站网络环境的网络流量异常分析与识别方法

Publications (2)

Publication Number Publication Date
CN110113336A true CN110113336A (zh) 2019-08-09
CN110113336B CN110113336B (zh) 2020-11-13

Family

ID=67488367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910371341.2A Active CN110113336B (zh) 2019-05-06 2019-05-06 一种用于变电站网络环境的网络流量异常分析与识别方法

Country Status (1)

Country Link
CN (1) CN110113336B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110430225A (zh) * 2019-09-16 2019-11-08 杭州安恒信息技术股份有限公司 一种工业设备监管方法、装置、设备及可读存储介质
CN111031062A (zh) * 2019-12-24 2020-04-17 四川英得赛克科技有限公司 带自学习的工业控制系统全景感知监测方法、装置和系统
CN111343211A (zh) * 2020-05-21 2020-06-26 四川英得赛克科技有限公司 基于网络流量的智能分析管控方法、系统、介质及设备
CN111614674A (zh) * 2020-05-21 2020-09-01 四川英得赛克科技有限公司 一种异常访问行为检测方法、系统、介质及其设备
CN113285937A (zh) * 2021-05-17 2021-08-20 国网山东省电力公司电力科学研究院 一种基于传统变电站配置文件和iec103协议流量的安全审计方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101631026A (zh) * 2008-07-18 2010-01-20 北京启明星辰信息技术股份有限公司 一种防御拒绝服务攻击的方法及装置
KR101375813B1 (ko) * 2012-09-13 2014-03-20 한국전력공사 디지털 변전소의 실시간 보안감사 및 이상징후 탐지를 위한 능동형 보안 센싱 장치 및 방법
US20150304346A1 (en) * 2011-08-19 2015-10-22 Korea University Research And Business Foundation Apparatus and method for detecting anomaly of network
CN105721494A (zh) * 2016-03-25 2016-06-29 中国互联网络信息中心 一种异常流量攻击检测处置的方法和装置
CN106302540A (zh) * 2016-10-14 2017-01-04 国网浙江省电力公司绍兴供电公司 基于变电站信息安全的通信网络安全检测系统及方法
CN107241224A (zh) * 2017-06-09 2017-10-10 珠海市鸿瑞软件技术有限公司 一种变电站的网络风险监测方法及系统
CN109561051A (zh) * 2017-09-26 2019-04-02 中兴通讯股份有限公司 内容分发网络安全检测方法及系统
CN109617754A (zh) * 2018-10-10 2019-04-12 国网浙江省电力有限公司检修分公司 一种实现智能变电站iec61850通信报文可视化的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101631026A (zh) * 2008-07-18 2010-01-20 北京启明星辰信息技术股份有限公司 一种防御拒绝服务攻击的方法及装置
US20150304346A1 (en) * 2011-08-19 2015-10-22 Korea University Research And Business Foundation Apparatus and method for detecting anomaly of network
KR101375813B1 (ko) * 2012-09-13 2014-03-20 한국전력공사 디지털 변전소의 실시간 보안감사 및 이상징후 탐지를 위한 능동형 보안 센싱 장치 및 방법
CN105721494A (zh) * 2016-03-25 2016-06-29 中国互联网络信息中心 一种异常流量攻击检测处置的方法和装置
CN106302540A (zh) * 2016-10-14 2017-01-04 国网浙江省电力公司绍兴供电公司 基于变电站信息安全的通信网络安全检测系统及方法
CN107241224A (zh) * 2017-06-09 2017-10-10 珠海市鸿瑞软件技术有限公司 一种变电站的网络风险监测方法及系统
CN109561051A (zh) * 2017-09-26 2019-04-02 中兴通讯股份有限公司 内容分发网络安全检测方法及系统
CN109617754A (zh) * 2018-10-10 2019-04-12 国网浙江省电力有限公司检修分公司 一种实现智能变电站iec61850通信报文可视化的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
人人都是产品经理: "《当我们在做数据异常分析时，我们在分析什么》", 《百度百家号，HTTPS://BAIJIAHAO.BAIDU.COM/S?ID=1598192107113330491&WFR=SPIDER&FOR=PC》 *
何彦昊: "《智能变电站配置技术及典型报文分析》", 30 April 2014, 阳光出版社 *
吴桦等: "《新一代互联网流媒体服务及路由关键技术》", 30 November 2017, 东南大学出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110430225A (zh) * 2019-09-16 2019-11-08 杭州安恒信息技术股份有限公司 一种工业设备监管方法、装置、设备及可读存储介质
CN111031062A (zh) * 2019-12-24 2020-04-17 四川英得赛克科技有限公司 带自学习的工业控制系统全景感知监测方法、装置和系统
CN111343211A (zh) * 2020-05-21 2020-06-26 四川英得赛克科技有限公司 基于网络流量的智能分析管控方法、系统、介质及设备
CN111614674A (zh) * 2020-05-21 2020-09-01 四川英得赛克科技有限公司 一种异常访问行为检测方法、系统、介质及其设备
CN111343211B (zh) * 2020-05-21 2020-10-16 四川英得赛克科技有限公司 基于网络流量的智能分析管控方法、系统、介质及设备
CN113285937A (zh) * 2021-05-17 2021-08-20 国网山东省电力公司电力科学研究院 一种基于传统变电站配置文件和iec103协议流量的安全审计方法及系统

Also Published As

Publication number Publication date
CN110113336B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN110113336A (zh) 一种用于变电站网络环境的网络流量异常分析与识别方法
CN106982235A (zh) 一种基于iec 61850的电力工业控制网络入侵检测方法及系统
CN110401624A (zh) 源网荷系统交互报文异常的检测方法及系统
CN109391613A (zh) 一种基于scd解析的智能变电站安全审计方法
CN109861988A (zh) 一种基于集成学习的工业控制系统入侵检测方法
US20150341380A1 (en) System and method for detecting abnormal behavior of control system
CN107241224A (zh) 一种变电站的网络风险监测方法及系统
CN109768952B (zh) 一种基于可信模型的工控网络异常行为检测方法
CN109600363A (zh) 一种物联网终端网络画像及异常网络访问行为检测方法
CN110324323B (zh) 一种新能源厂站涉网端实时交互过程异常检测方法及系统
CN109922085B (zh) 一种基于plc中cip协议的安全防护系统及方法
CN106656588A (zh) 智能变电站的故障定位方法和装置
CN106656627A (zh) 一种基于业务的性能监控和故障定位的方法
CN109391599A (zh) 一种基于https流量特征分析的僵尸网络通讯信号的检测系统
CN106130950A (zh) 针对iec61850协议sv报文的异常检测方法
CN104836694B (zh) 网络监控方法及装置
CN107770174A (zh) 一种面向sdn网络的入侵防御系统和方法
CN104168144A (zh) 一种对sdn网络进行审计的方法
KR102001812B1 (ko) K-means 알고리즘을 이용한 기기간 통신 화이트리스트 생성 장치 및 방법
CN106559261A (zh) 一种基于特征指纹的变电站网络入侵检测与分析方法
US10645167B2 (en) Distributed setting of network security devices from power system IED settings files
CN105867347B (zh) 一种基于机器学习技术的跨空间级联故障检测方法
CN108712433A (zh) 一种网络安全检测方法和系统
CN107104960A (zh) 一种基于机器学习的工业控制系统入侵检测方法
CN106973012A (zh) 一种计算机网络环路检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 1101, 11 / F, unit 2, building 1, No. 777, north section of Yizhou Avenue, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu 610041

Applicant after: SICHUAN YINGDESAIKE TECHNOLOGY Co.,Ltd.

Address before: 610000 No. 3, 1 building, 366 lakeside road, Tianfu New District, Chengdu, Sichuan, 1

Applicant before: SICHUAN YINGDESAIKE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant