CN111327630B - 基于全对称多胞形理论的攻击检测与修正方法 - Google Patents
基于全对称多胞形理论的攻击检测与修正方法 Download PDFInfo
- Publication number
- CN111327630B CN111327630B CN202010142939.7A CN202010142939A CN111327630B CN 111327630 B CN111327630 B CN 111327630B CN 202010142939 A CN202010142939 A CN 202010142939A CN 111327630 B CN111327630 B CN 111327630B
- Authority
- CN
- China
- Prior art keywords
- attack
- model
- attack detection
- detection
- theory
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012937 correction Methods 0.000 title claims abstract description 18
- 230000000581 polycythemic effect Effects 0.000 title description 2
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
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
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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于全对称多胞形理论的攻击检测与修正方法，不仅可以检测到攻击的存在，而且基于存在攻击时误差均方误差以及攻击检测率的计算，可实现攻击后数据的修正，在保证检测攻击准确性的同时，还有效解决系统的参数不确定等问题，该方法能够同时适用于拒绝服务攻击、重放攻击和假数据攻击的检测问题，具有很高的应用价值；该方法具有方法简单、易行，检测结果准确等优点。
Description
技术领域
本发明公开涉及网络攻击检测的技术领域，尤其涉及一种基于全对称多胞形理论的攻击检测与修正方法。
背景技术
随着科技的发展，网络通信在现代控制系统中起着重要的作用。但是，由于技术限制，通过网络传输的数据可能会受到恶意攻击。所以，网络控制系统的安全问题就显得尤为重要。因此，可靠的攻击检测已经引起了广泛的关注，并且具有至关重要的意义。
目前，对于不确定参数线性离散系统的攻击检测以及修正，一直是困扰本领域技术人员的一大难题。
因此，如何研发一种用不确定参数线性离散系统的攻击检测以及修正方法，成为人们亟待解决的问题。
发明内容
鉴于此，本发明提供了一种基于全对称多胞形理论的攻击检测与修正方法，以实现对于不确定参数线性离散系统的攻击检测以及修正。
本发明提供的技术方案，具体为，一种基于全对称多胞形理论的攻击检测与修正方法，该方法包括如下步骤：
建立含有不确定参数的系统模型和攻击模型；
依据全对称多胞形理论以及建立的系统模型和攻击模型，获得攻击检测式；
依据所述攻击检测式，进行攻击检测；
当攻击检测结果为受到攻击时，依据均方误差MES和攻击检测率，将攻击后的数据进行修正。
优选，所述系统模型具体为：
其中，A＝A0+ΔA、A0为系统矩阵、ΔA为未知有界参数、wk为系统扰动、C为观测矩阵、vk为干扰、k为时刻。
进一步优选，所述攻击模型包括：拒绝服务攻击模型、重放攻击模型以及虚假数据注入攻击模型；
且所述拒绝服务攻击模型，具体为：
所述重放攻击模型，具体为：
所述虚假数据注入攻击模型，具体为：
其中，k为时刻、i为通道序号、τ为重放开始时间、a表示攻击。
进一步优选，所述依据全对称多胞形理论以及建立的系统模型和攻击模型，获得攻击检测式，具体为：
依据全对称多胞形理论以及建立的系统模型和攻击模型，获得系统状态预测集；
所述系统状态预测集，具体为：
依据系统状态预测集中状态估计集
获得
将
的上边界
和
的下边界
分别按如下定义：
获得攻击检测式
其中，
为观测矩阵转置、
为第i个全对称多胞形中心、
为第i个全对称多胞形矩阵、
为干扰上界、λ为待确定参数、B为单位区间、r为B的维数、n为系统状态维数、k为时刻、i为通道序号、T为转置、j为矩阵第j列。
进一步优选，所述依据所述攻击检测式，进行攻击检测，具体为：将所述攻击检测式与0进行比较，当所述攻击检测式大于0时，则代表攻击；否则代表未攻击。
进一步优选，所述λ的确定方法为：
根据单输出情况得到λ1；
假设λj，j＝1,2,…i-1和第i个测量输出
已知，并通过最佳化半径P得到λi。
进一步优选，所述当攻击检测结果为受到攻击时，依据均方误差MES和攻击检测率，将攻击后的数据进行修正，具体为：
当攻击检测结果为受到攻击时，将输出的
值替换为
进行修正。
本发明提供的基于全对称多胞形理论的攻击检测与修正方法，不仅可以检测到攻击的存在，而且基于存在攻击时误差均方误差以及攻击检测率的计算，可实现攻击后数据的修正，在保证检测攻击准确性的同时，还有效解决系统的参数不确定等问题，该方法能够同时适用于拒绝服务攻击、重放攻击和假数据攻击的检测问题，具有很高的应用价值。
本发明提供的基于全对称多胞形理论的攻击检测与修正方法，具有方法简单、易行，检测结果准确等优点。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明的公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明公开实施例提供的一种基于全对称多胞形理论的攻击检测与修正方法的流程示意图。
具体实施方式
下面结合具体的实施方案，对本发明进行进一步的解释说明，但是并不用于限制本发明的保护范围。
为了实现对不确定参数线性离散系统的攻击检测，本实施方案提供了一种基于全对称多胞形理论的攻击检测与修正方法，该方法利用全对称多胞形理论和优化方法，进行不确定参数线性离散系统的攻击检测和修正。
参见图1，该方法包括如下步骤：
S1：建立含有不确定参数的系统模型和攻击模型；
S2：依据全对称多胞形理论以及建立的系统模型和攻击模型，获得攻击检测式；
S3：依据上述的攻击检测式，进行攻击检测；
S4：当攻击检测结果为受到攻击时，依据均方误差MES和攻击检测率，将攻击后的数据进行修正。
以下针对上述的攻击检测与修正方法进行详细的介绍。
(1)建立参数不确定参数的离散线性系统和攻击模型
A.不确定参数的系统模型：
其中，A＝A0+ΔA、A0为系统矩阵、ΔA为未知有界参数、wk为系统扰动、C为观测矩阵、vk为干扰、k为时刻。
B.三种不同类型的攻击模型，分别为：拒绝服务攻击模型、重放攻击模型以及虚假数据注入攻击模型；
其中，
1)拒绝服务(DoS)攻击模型，具体为：
2)重放攻击模型，具体为：
3)虚假数据注入(FDI)攻击模型，具体为：
其中，k为时刻、i为通道序号、τ为重放开始时间、a表示攻击。
(2)结合全对称多胞形理论，设计新型攻击检测方法
根据公式(1)中系统模型和全对称多胞形的理论，可以获得如下的系统状态预测集；
其中，
假设
和
可由上面得到的状态估计集
得到
具体为：
其中，
为观测矩阵转置、
为第i个全对称多胞形中心、
为第i个全对称多胞形矩阵、
为干扰上界、λ为待确定参数、B为单位区间、r为B的维数、n为系统状态维数、k为时刻、i为通道序号、T为转置、j为矩阵第j列。
所以，当测量输出
说明系统未受到攻击。否则，说明系统受到攻击。另外，将
的上、下边界
和
分别按如下定义：
由于系统可能存在对传感器测量值的攻击，所以接收到的数据
可能与实际测量值
不同。因此，设计了新的攻击检测方式：
攻击检测式：
将上述攻击检测式与0进行比较，当攻击检测式大于0时，则代表攻击；否则代表未攻击。
(3)通过分析均方误差MES和攻击检测率，得到合适的测量校准方法
为了保证系统的攻击检测率，一方面，通过分析不同测量标准的均方误差MES。由式(2)可知，当系统受到攻击时，状态预测集
的中心
会因为
的改变而发生变化，因此，其误差为
其对应的均方差为：
其中Nf为总的时间步长，通过式(2)可以得到：
因此，均方差还可以表示为：
其中
和
因此，由式(8)可知
的变化会导致均方差MESx改变。
另一方面，攻击检测结果可能存在以下两种情况：
1)存在攻击但无法检测到；
2)没有攻击，但是某些攻击被确定为攻击，即错误攻击检测。
因此，选取合适的测量校准方法是有效解决错误攻击检测的方法，并通过对测量校准方法进行概率的分析：
假设第i个通道的攻击概率为
所以系统在[0,L]时间段内受到的攻击次数表示为
另外两个集合可以表示为：
根据以上集合形式，可以定义
其中
和
满足
Card(X)表示集合X的势。因此，第i个通道的攻击检测率可以表示为
所以，其对应的攻击检测的错误率为
值得注意的是，错误的检测可能是由于选择测量校准引起的。
接下来，将讨论
和
两种情况：
1)
表示检测到的攻击次数小于或等于攻击次数。如果
则可以得到未检测到的攻击，这对应于攻击引起的变化相对较小的情况。此外，
表示可以检测到攻击。
2)可以从
得出
这种情况可能是由于测量校准策略而引起的。在某些情况下，校准策略
和
可能导致
如果我们选择测量校准策略
则可以避免这种情况。
通过对均方误差MES和攻击检测概率的分析，相对于
和
这两种测量校准方法，
可以避免攻击检测失误的情况出现。对整个系统而言，整体的攻击检测概率为：
因此，当攻击检测概率
i＝1,2,…,ny时就不会存在检测错误的情况。
(4)利用最优化技术得到用于计算相交区域的最优参数，进而获得λ值
为了得到k时刻的精确的不确定集
求出λi,i＝1,2,…ny是很必要的。
首先根据单输出情况得到λ1。假设λj,i＝1,2,…i-1和第i个测量输出
已知；然后，通过优化表述全对称多胞形尺寸大小的P半径得到λi。其中P半径的定义为：
其中βi∈(0,1)，
如果满足下式成立，则说明P半径将收敛，
给定系统(1)，其中输出
过程噪声wk∈W和测量噪声vk∈V。
如果
和
是已知的，则可以计算出全对称多胞形集
i＝1,2,…,ny和精确的不确定状态集
参数λi＝P-1Ni,i＝1,2,…,ny可以通过求解下面的不等式得到：
其中，
如果不等式
成立，则(2)中k时刻
的半径可以表示为：
其中
因此，集合
的半径可以由下列不等式限制：
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述的内容，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (2)
1.一种基于全对称多胞形理论的攻击检测与修正方法，其特征在于，包括如下步骤：
建立含有不确定参数的系统模型和攻击模型；
依据全对称多胞形理论以及建立的系统模型和攻击模型，获得系统状态预测集；
所述系统状态预测集，具体为：
依据系统状态预测集中状态估计集
获得
将
的上边界
和
的下边界
分别按如下定义：
获得攻击检测式
其中，
为观测矩阵转置、
为第i个全对称多胞形中心、
为第i个全对称多胞形矩阵、
为干扰上界、λ为待确定参数、B为单位区间、r为B的维数、n为系统状态维数、k为时刻、i为通道序号、T为转置、j为矩阵第j列；
将所述攻击检测式与0进行比较，当所述攻击检测式大于0时，则代表攻击；否则代表未攻击；
当攻击检测结果为受到攻击时，将输出的
值替换为
进行修正；
所述系统模型具体为：
其中，A＝A0+ΔA、A0为系统矩阵、ΔA为未知有界参数、wk为系统扰动、C为观测矩阵、vk为干扰、k为时刻；
所述攻击模型包括：拒绝服务攻击模型、重放攻击模型以及虚假数据注入攻击模型；
且所述拒绝服务攻击模型，具体为：
所述重放攻击模型，具体为：
所述虚假数据注入攻击模型，具体为：
其中，k为时刻、i为通道序号、τ为重放开始时间、a表示攻击。
2.根据权利要求1所述基于全对称多胞形理论的攻击检测与修正方法，其特征在于，所述λ的确定方法为：
根据单输出情况得到λ1；
假设λj，j＝1,2,…i-1和第i个测量输出
已知，并通过最佳化半径P得到λi。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010142939.7A CN111327630B (zh) | 2020-03-04 | 2020-03-04 | 基于全对称多胞形理论的攻击检测与修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010142939.7A CN111327630B (zh) | 2020-03-04 | 2020-03-04 | 基于全对称多胞形理论的攻击检测与修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111327630A CN111327630A (zh) | 2020-06-23 |
| CN111327630B true CN111327630B (zh) | 2022-02-08 |
Family
ID=71171310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010142939.7A Active CN111327630B (zh) | 2020-03-04 | 2020-03-04 | 基于全对称多胞形理论的攻击检测与修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111327630B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114063602B (zh) * | 2021-11-15 | 2023-12-22 | 沈阳航空航天大学 | 一种提高检测率的主动攻击检测方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2838851B1 (fr) * | 2002-04-17 | 2004-07-16 | France Telecom | Procede et systeme de determination des parametres de fonctionnement d'un reseau de transmission d'informations pour creer, dans ce reseau, un reseau virtuel |
| WO2010138930A2 (en) * | 2009-05-29 | 2010-12-02 | Advanced Technology Materials, Inc. | Tpir apparatus for monitoring tungsten hexafluoride processing to detect gas phase nucleation, and method and system utilizing same |
| US10193906B2 (en) * | 2015-12-09 | 2019-01-29 | Checkpoint Software Technologies Ltd. | Method and system for detecting and remediating polymorphic attacks across an enterprise |
| US10671735B2 (en) * | 2017-04-10 | 2020-06-02 | Arizona Board Of Regents On Behalf Of Arizona State University | Framework for security strength and performance analysis of machine learning based biometric systems |
| CN108520233A (zh) * | 2018-04-09 | 2018-09-11 | 郑州轻工业学院 | 一种扩展全对称多胞形集员Kalman混合滤波方法 |
| CN108875252B (zh) * | 2018-07-03 | 2022-05-06 | 郑州轻工业学院 | 永磁同步电机故障诊断模型扩展约束多胞形集员滤波方法 |
-
2020
- 2020-03-04 CN CN202010142939.7A patent/CN111327630B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111327630A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9164057B2 (en) | Method for operating a measuring point | |
| EP2602752A1 (en) | Method and system for sensor calibration support | |
| CN109446189A (zh) | 一种工业参数离群点检测系统及方法 | |
| CN107967204B (zh) | 线下压测的方法、系统及终端设备 | |
| CN109543743B (zh) | 一种基于重建预测残差的制冷机组多传感器故障诊断方法 | |
| JP2021518528A (ja) | センサーの較正 | |
| CN108829878B (zh) | 一种工业实验数据异常点检测方法及装置 | |
| KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
| CN111327630B (zh) | 基于全对称多胞形理论的攻击检测与修正方法 | |
| CN111444233B (zh) | 基于复制器神经网络模型发现环境监测异常数据的方法 | |
| CN112100574A (zh) | 一种基于重采样的aakr模型不确定度计算方法及系统 | |
| EP3883190B1 (en) | Detection device, detection method, and detection program | |
| CN115902227A (zh) | 一种免疫荧光试剂盒的检测评估方法及系统 | |
| US11994488B2 (en) | Method of predictive monitoring of a variable of a medium and of a measurement accuracy of a measurement device measuring this variable | |
| CN117029900B (zh) | 一种基于动态多路同步检测的计量仪表检测方法 | |
| CN107070941A (zh) | 异常流量检测的方法和装置 | |
| Wibowo et al. | Sensor array fault detection technique using kalman filter | |
| CN111125195B (zh) | 一种数据异常检测方法及装置 | |
| Newman et al. | Basic overview of method validation in the clinical virology laboratory | |
| Haider et al. | Effect of frequency of pavement condition data collection on performance prediction | |
| US11193920B2 (en) | Method for the automated in-line detection of deviations of an actual state of a fluid from a reference state of the fluid on the basis of statistical methods, in particular for monitoring a drinking water supply | |
| CN115600747B (zh) | 一种基于物联网的隧道状态监测管理方法及系统 | |
| CN109341650B (zh) | 一种基于最小检测代价的无人机高程误差双门限修正方法 | |
| CN115098285A (zh) | 基于大数据的传感器检测数据分析系统及方法 | |
| US11283705B2 (en) | Anomaly detector, anomaly detection network, method for detecting an abnormal activity, model determination unit, system, and method for determining an anomaly detection model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240319 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Country or region after: Zhong Guo Address before: 110136, Liaoning, Shenyang, Shenbei New Area moral South Avenue No. 37 Patentee before: SHENYANG AEROSPACE University Country or region before: Zhong Guo |
|
| TR01 | Transfer of patent right |