CN113050566B - 基于大数据的工业控制系统网络安全数据的高效采集方法 - Google Patents
基于大数据的工业控制系统网络安全数据的高效采集方法 Download PDFInfo
- Publication number
- CN113050566B CN113050566B CN202110283787.7A CN202110283787A CN113050566B CN 113050566 B CN113050566 B CN 113050566B CN 202110283787 A CN202110283787 A CN 202110283787A CN 113050566 B CN113050566 B CN 113050566B
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- quality
- unit
- quality inspection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007689 inspection Methods 0.000 claims description 63
- 238000004088 simulation Methods 0.000 claims description 48
- 238000012423 maintenance Methods 0.000 claims description 43
- 230000009471 action Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 15
- 210000000744 eyelid Anatomy 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 238000005094 computer simulation Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 241001669679 Eleotris Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31282—Data acquisition, BDE MDE
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了基于大数据的工业控制系统网络安全数据的高效采集方法,通过数据采集模块对数据进行采集,并对采集的数据进行安全加密同时判断采集数据的用户身份,并验证所采集数据的完整性和连贯性,从而保证数据的安全性,通过数据准确性验证模型,建立设备仿真模型,并将从仿真模型上采集到的数据与实际数据进行比较,判断数据是否被修改,保证数据的准确性,通过数据问题追溯模块,将从仿真模型上采集到的数据与实际数据产生偏差值的原因进行调取,从而对数据产生偏差的原因及时修正并严格控制零件的质量。
Description
技术领域
本发明涉及大数据工业控制系统技术领域,具体为一种基于大数据的工业控制系统网络安全数据的高效采集方法。
背景技术
工业控制系统是通过工业自动化进行控制,主要是通过电子电气、机械等技术手段融合实现,工业控制系统的三大控制系统为PLC、DCS和FCS,都是一种通过数字运算操作的电子系统,在工业控制系统与上位机进行数据传输时,往往数据的安全性较差,导致数据经常被窃取,且数据上传的速度较慢,无法一次性获取多个接口的数据,数据上传时会导致数据的安全性遭受到威胁,无法了解到所上传数据的真实性。
在轨道交通车辆中,各个零件的质量管理也越来越受到关注,在车辆制造、检修过程中,零件的质量起到至关重要的地步,轨道交通中所涉及到的零件包括有钢轨、轨枕、道床、连接部件、道岔、轨道防护层、构架、轴、箱和上枕梁等多种零件构成,不同零件的参数都配载在轨道交通上的不同部分,皆起着决定性的作用,一旦轨道交通上的某个零件参数微小发生变化,都会导致其它零件受到相应影响,对人生安全造成相应影响;
因此,在对轨道交通中的零件进行生产、质检时,都需要格外注意零件的尺寸,在对零件进行质检的时候,需要将不符合安装批次的零件排出以防零件质量产生问题,需要实时将零件进行抽查,以防对零件尺寸数据进行更改,因此,需要对设备生产的零件进行排查,需要一种基于大数据的工业控制系统网络安全数据的高效采集方法来解决上述问题。
发明内容
本发明的目的在于提供基于大数据的工业控制系统网络安全数据的高效采集方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:该方法包括如下步骤:
Z01:使用零件质量数据采集模块,对上位机输出接口的数据进行采集验证,根据所采集数据的等级判断所采集数据是否需要解密同时验证当前采集数据的用户身份,并在数据解密迁移后判断保存在数据集中数据的完整性,当检测到数据完整度小于预设值时,表示当前数据集中的数据连贯性小于预设值,不再验证当前数据的数据连贯性;当检测到数据完整性大于预设值时,需再次对保存在数据集中的数据连贯性进行验证,同时验证数据的准确性,并跳转到步骤Z02;
Z02:使用数据准确性验证模型,建立设备仿真模型,判断设备仿真模型所产生的数据并与历史零件设备数据比较,当检测到模型所产生数据与历史零件质量检测数据的差值相比超过设定预设差值时,对历史零件数据进行修正更改,并将产生的历史零件质量检测数据产生的零件质量问题进行追溯,并跳转到步骤Z03;
Z03:使用数据问题追溯模块,根据历史零件质量检测数据判断当前数据产生偏差的原因,并将历史零件质量检测数据发生偏差的原因上传至控制平台,以便于对产生的原因及时纠正,严格监控零件生产和质检的质量。
进一步的,在所述步骤Z01中,设定当前所采集的数据为W={w1,w2,w3...wn},n是指当前数据的等级数,当检测到采集数据的等级是加密数据时,验证用户上眼睑与下眼睑之间的夹角度数判断用户的身份并使用一对一的密钥对当前所设公钥解密,当检测到用户上眼睑与下眼睑之间的角度与控制平台中所保存的数据相吻合时,可以对当前数据进行迁移;
对所迁移不同数据段中的起始数据位置坐标设定为D=(xq,yq),不同数据段的末尾位置坐标设定为Q=(xm,ym),根据数据段的起始位置坐标和末尾位置坐标之间的长度进行判断当检测到当前数据的长度和新数据集中的长度相同时,则表示新数据集中和历史零件数据中的数据完整性相同时,则进一步分析当前数据的数据连贯性,设定当前新数据集所保存的数据保存在分列表中,分类表中的数据是按照数据的先后进行保存,分类表中的数据是指前一行的数据内容不为空值时,则下一行数据开始保存,当检测到第m行数据中非起始位置和非末尾位置中数据内容为空值时,则代表当前数据内容的数据连贯性不连贯。
进一步的,在所述步骤Z02或者Z03中,设定设备质检动作在设备仿真模型上的三维坐标值集合为(D,L,H)={(d1,l1,h1),(d1,l1,h1)...(dn,ln,hn)},di,li,hi是指每个动作的长、宽、高,并保存每个零件被质检时设备的动作记录,将设备仿真模型上采集到的数据与用户已采集的数据进行对比,当比较的结果相同时,表示当前零件质检的数据并无作假,当检测到当前数据与质检零件质量的数据不相同时,对历史零件设备质检零件动作集合的三维坐标值与经过质量设备仿真模型质检零件动作的三维坐标值进行比较上传至控制平台中,当检测到零件质检设备中的某个动作发生偏移导致数据产生偏差时,并将此设备上报至控制平台进行维修,若历史零件设备质检零件动作与上述所提及的设备仿真模型动作相同,所测量的数据与之不相同,则代表当前数据被人恶意修改。
进一步的,获取控制平台中的数据,当检测到在控制平台中设备有维修记录,且维修记录的次数较多时,对设备维修的时间进行提取,在控制平台中所记录的首次设备进行维修的时间为t1,设备进行第二次维修的时间为t2,设备的固定维修期限为t2-t1,当检测到当前设备维修的时间处于固定维修期,则表示零件质量数据的更改问题并不是由设备本身原因造成,当检测到设备维修的期限不在固定维修间且即将进行维修,则表示当前零件质量数据问题是由质检设备中设备零件的原因,需要更换当前零件设备中的零件。
进一步的,在所述步骤Z01中,所述数据采集模块包括多接口数据上传单元、多接口数据安全验证单元、数据特性判断单元和新数据集更新单元,所述多接口数据上传单元用于将数据从设备的多个接口的输出端口上传至上位机的输入端口,从而能够监测出当前所上传的数据内容且提高数据采集的高效性,所述多接口数据安全验证单元用于在输出端口将数据上传至上位机的输入端口时,对数据进行加密,以防他人从端口处更改数据,导致数据不严谨,所述数据特性判断单元用于当检测到当前数据被采集后,判断保存在新数据集中的数据是否完整和连贯,判断所采集的数据是否和保存在原零件设备端口的数据相同,所述新数据集更新单元用于对保存在数据集中的数据进行更新。
在所述步骤Z02中,所述数据准确性验证模型包括设备仿真建模单元、设备三维坐标定位单元、设备运动动作记录单元、数据比较单元和标准数据修正单元,设备仿真建模单元用于通过数字孪生对零件设备进行仿真,从而能够判断出当前零件设备质检零件质量数据的准确性,所述设备三维坐标定位单元用于在设备仿真模型质检零件的步骤进行定位,并将定位的结果上传至控制平台,所述设备运动动作记录单元用于将零件被设备仿真模型质检的动作进行记录,并将设备仿真模型质检的记录与实际设备质检零件的动作进行比较,所述数据比较单元用于根据设备仿真模型所产生的质检数据与实际设备质检的数据进行比较,所述标准数据修正单元用于当检测到设备仿真模型所检测到的零件数据和实际零件数据产生差值时,对设备仿真模型所质检的数据进行修正。
在所述步骤Z03中,所述数据问题追溯模块包括恶劣数据造假单元、设备故障痕迹判断单元和设备故障结果上传单元,所述恶劣数据造假单元用于对设备仿真模型的零件质量数据和实际设备质检零件质量数据不同,动作步骤相同,表示当前数据被恶意修改,所述设备故障痕迹判断单元用于判断设备是否在维修期间,能够进一步判断出维修期间的设备是否会对数据造成影响,所述设备故障结果上传单元用于将设备故障上传至控制平台中,从而保证零件设备的故障不会对数据产生影响。
所述控制平台对数据进行保存,用以调取设备仿真模型中零件的数据和实际设备中零件的数据,并将比较结果保存在控制平台中,从而判断数据发生变化的原因。
与现有技术相比,本发明所达到的有益效果是:
1.利用数据采集模块,通过零件设备的多个接口与上位机进行数据传输,通过多个接口与上位机进行连接,能够提高数据采集的有效性;首先判断所采集数据用户的身份判断当前用户是否能够对数据进行采集,对不同等级的数据进行不同级别的加密设置,在数据进行安全传输后,进一步分析采集数据的完整性和连贯性,判断数据是否被全部采取,从而保证数据的安全性;
2.通过数据准确性验证模型,设置设备仿真模型对设备质检零件的动作进行仿真,并将模拟出的零件参数数据与实际数据相比,能够判断出当前上报数据的准确性,当数据发生变化时判断数据是否被修改,并将修改后的数据进行修正,通过设置的设备仿真模型来对零件质量进行抽查,保证零件的高质量产出,减少零件上报数据时的伪造;
3.通过零件数据问题追溯模块,根据仿真模型所得出的数据与实际数据的偏差值进一步分析出数据被修改原因并进行追溯,判断出数据被修改是由于机器损坏导致还是由于个人私自修改的原因造成,将追溯出来的原因传输至控制平台中,从而严格控制零件数据的正确性,不弄虚作假,且保证零件质量不会对人身安全造成影响。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于大数据的工业控制系统网络安全数据的高效采集方法的单元组成示意图;
图2是本发明基于大数据的工业控制系统网络安全数据的高效采集方法的模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供技术方案:
该方法包括如下步骤:
Z01:使用零件质量数据采集模块,对上位机输出接口的数据进行采集验证,根据所采集数据的等级判断所采集数据是否需要解密同时验证当前采集数据的用户身份,并在数据解密迁移后判断保存在数据集中数据的完整性,当检测到数据完整度小于预设值时,表示当前数据集中的数据连贯性小于预设值,不再验证当前数据的数据连贯性;当检测到数据完整性大于预设值时,需再次对保存在数据集中的数据连贯性进行验证,同时验证数据的准确性,并跳转到步骤Z02;
Z02:使用数据准确性验证模型,建立设备仿真模型,判断设备仿真模型所产生的数据并与历史零件设备数据比较,当检测到模型所产生数据与历史零件质量检测数据的差值相比超过设定预设差值时,对历史零件数据进行修正更改,并将产生的历史零件质量检测数据产生的零件质量问题进行追溯,并跳转到步骤Z03;
Z03:使用数据问题追溯模块,根据历史零件质量检测数据判断当前数据产生偏差的原因,并将历史零件质量检测数据发生偏差的原因上传至控制平台,以便于对产生的原因及时纠正,严格监控零件生产和质检的质量。
在所述步骤Z01中,设定当前所采集的数据为W={w1,w2,w3...wn},n是指当前数据的等级数,当检测到采集数据的等级是加密数据时,验证用户上眼睑与下眼睑之间的夹角度数判断用户的身份并使用一对一的密钥对当前所设公钥解密,当检测到用户上眼睑与下眼睑之间的角度与控制平台中所保存的数据相吻合时,可以对当前数据进行迁移;
对所迁移不同数据段中的起始数据位置坐标设定为D=(xq,yq),不同数据段的末尾位置坐标设定为Q=(xm,ym),根据数据段的起始位置坐标和末尾位置坐标之间的长度进行判断当检测到当前数据的长度和新数据集中的长度相同时,则表示新数据集中和历史零件数据中的数据完整性相同时,则进一步分析当前数据的数据连贯性,设定当前新数据集所保存的数据保存在分列表中,分类表中的数据是按照数据的先后进行保存,分类表中的数据是指前一行的数据内容不为空值时,则下一行数据开始保存,当检测到第m行数据中非起始位置和非末尾位置中数据内容为空值时,则代表当前数据内容的数据连贯性不连贯;
通过设置数据段的起始位置坐标和末尾位置坐标,能够根据当前的长度判断出当前数据的长度,并将新数据集的长度和历史所保存的数据长度进行比较,当检测到新数据集的长度小于历史数据长度时,代表当前数据并不完整,当检测到新数据集的长度大于历史数据长度,代表当前数据长度超范围,代表此数据并不完整;
所设置的坐标之间的长度P是指数据对角线上的长度,通过设置对角线上的长度能够明显判断出当前数据的长度,当检测到最后一个数据的长度大于上一行的数据长度时,能够将最后一行的数据长度包含进去,仅仅通过数据的长度和宽度进行判断数据的完整性,缺乏对所有数据的包含,仅能够片面的显示出当前数据的长度。
在所述步骤Z02或者Z03中,设定设备质检动作在设备仿真模型上的三维坐标值集合为(D,L,H)={(d1,l1,h1),(d1,l1,h1)...(dn,ln,hn)},di,li,hi是指每个动作的长、宽、高,并保存每个零件被质检时设备的动作记录,将设备仿真模型上采集到的数据与用户已采集的数据进行对比,当比较的结果相同时,表示当前零件质检的数据并无作假,当检测到当前数据与质检零件质量的数据不相同时,对历史零件设备质检零件动作集合的三维坐标值与经过质量设备仿真模型质检零件动作的三维坐标值进行比较上传至控制平台中,当检测到零件质检设备中的某个动作发生偏移导致数据产生偏差时,并将此设备上报至控制平台进行维修,若历史零件设备质检零件动作与上述所提及的设备仿真模型动作相同,所测量的数据与之不相同,则代表当前数据被人恶意修改;
根据所设置的零件设备三维坐标能够判断出零件质检的过程,了解到每个零件质检的过程,并将零件设备与仿真模型的零件设备的动作流程进行对比,能够判断出零件设备的步骤是否发生错误,能够快速的定位出是否零件设备发生步骤错误从而导致质量数据发生更改。
获取控制平台中的数据,当检测到在控制平台中设备有维修记录,且维修记录的次数较多时,对设备维修的时间进行提取,在控制平台中所记录的首次设备进行维修的时间为t1,设备进行第二次维修的时间为t2,设备的固定维修期限为t2-t1,当检测到当前设备维修的时间处于固定维修期,则表示零件质量数据的更改问题并不是由设备本身原因造成,当检测到设备维修的期限不在固定维修间且即将进行维修,则表示当前零件质量数据问题是由质检设备中设备零件的原因,需要更换当前零件设备中的零件。
在所述步骤Z02中,所述数据准确性验证模型包括设备仿真建模单元、设备三维坐标定位单元、设备运动动作记录单元、数据比较单元和标准数据修正单元,设备仿真建模单元用于通过数字孪生对零件设备进行仿真,从而能够判断出当前零件设备质检零件质量数据的准确性,所述设备三维坐标定位单元用于在设备仿真模型质检零件的步骤进行定位,并将定位的结果上传至控制平台,所述设备运动动作记录单元用于将零件被设备仿真模型质检的动作进行记录,并将设备仿真模型质检的记录与实际设备质检零件的动作进行比较,所述数据比较单元用于根据设备仿真模型所产生的质检数据与实际设备质检的数据进行比较,所述标准数据修正单元用于当检测到设备仿真模型所检测到的零件数据和实际零件数据产生差值时,对设备仿真模型所质检的数据进行修正。
在所述步骤Z03中,所述数据问题追溯模块包括恶劣数据造假单元、设备故障痕迹判断单元和设备故障结果上传单元,所述恶劣数据造假单元用于对设备仿真模型的零件质量数据和实际设备质检零件质量数据不同,动作步骤相同,表示当前数据被恶意修改,所述设备故障痕迹判断单元用于判断设备是否在维修期间,能够进一步判断出维修期间的设备是否会对数据造成影响,所述设备故障结果上传单元用于将设备故障上传至控制平台中,从而保证零件设备的故障不会对数据产生影响。
所述控制平台对数据进行保存,用以调取设备仿真模型中质检的数据和实际设备质检的数据,并将比较结果保存在控制平台中,判断数据发生变化的原因。
实施例1:设定当前有一台设备机器对零件参数的质量进行验证,先对当前设备的若干输出口向上位机输入接口的数据进行数据的采集,根据所采集数据的等级判断所采集数据是否需要解密同时验证当前采集数据的用户身份,并在数据迁移后判断保存在数据集数据的完整性,设定标准的数据完整性为98%,当检测到当前数据的完整性小于设定阙值时,表示当前数据并不完整,需要核对是否有数据遗漏;当检测到数据的完整性大于98%时,对数据的连贯性进行判断,判断得出分类表中指定行数上一行数的数据内容并不为空值,且下一行的头位置的数据内容为空值,表示当前数据并不连贯,当检测到当前数据的头部位置和尾部位置的数据内容并不为空值,代表当前数据连贯;
在对不同数据的等级进行判断,首先判断出当前用户的身份是否能进行解密,如果符合,则能够对数据进行采集,否则不能进行采集,当检测到用户提供权限给其它用户时,需要对当前用户的权限进行认证,判断是否给予当前采集数据的用户;
进一步的对生产零件的设备建立仿真模型,判断设备仿真模型所产生的数据并与历史零件数据比较,当检测到模型所产生数据与历史零件质量检测数据的差值相比超过设定预设差值时,对历史零件数据进行修正更改,并将产生的历史零件质量检测数据进行零件质量问题追溯;
将历史零件质量检测数据发生偏差的原因上传至控制平台,以便于对产生的原因进行及时纠正,严格监控零件的质量;检测零件的质量可分为判断当前数据是否由于机器本身的原因或者是有人恶意修改数据,造成真实数据的假象;
设定在控制平台中所记录的首次设备进行维修的时间为t1=7月20号,设备进行第二次维修的时间为t2=8.20号,设备的固定维修期为t2-t1=30天,上位机获取数据的时间为9月19号,时间接近于9月20号,代表当前零件质量的问题是由设备维修期的原因造成。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:该方法包括如下步骤:
Z01:使用零件质量数据采集模块,对上位机输出接口的数据进行采集验证,根据所采集数据的等级判断所采集数据是否需要解密同时验证当前采集数据的用户身份,并在数据解密迁移后判断保存在数据集中数据的完整性,当检测到数据完整度小于预设值时,表示当前数据集中的数据连贯性小于预设值,不再验证当前数据的数据连贯性;当检测到数据完整性大于预设值时,需再次对保存在数据集中的数据连贯性进行验证,同时验证数据的准确性,并跳转到步骤Z02;
Z02:使用数据准确性验证模型,建立设备仿真模型,判断设备仿真模型所产生的数据并与历史零件设备数据比较,当检测到模型所产生数据与历史零件质量检测数据的差值相比超过设定预设差值时,对历史零件数据进行修正更改,并将产生的历史零件质量检测数据产生的零件质量问题进行追溯,并跳转到步骤Z03;
Z03:使用数据问题追溯模块,根据历史零件质量检测数据判断当前数据产生偏差的原因,并将历史零件质量检测数据发生偏差的原因上传至控制平台,以便于对产生的原因及时纠正,严格监控零件生产和质检的质量。
2.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:在所述步骤Z01中,设定当前所采集的数据为W={w1,w2,w3...wn},n是指当前数据的等级数,当检测到采集数据的等级是加密数据时,验证用户上眼睑与下眼睑之间的夹角度数判断用户的身份并使用一对一的密钥对当前所设公钥解密,当检测到用户上眼睑与下眼睑之间的角度与控制平台中所保存的数据相吻合时,可以对当前数据进行迁移;
3.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:在所述步骤Z02或者Z03中,设定设备质检动作在设备仿真模型上的三维坐标值集合为(D,L,H)={(d1,l1,h1),(d1,l1,h1)...(dn,ln,hn)},di,li,hi是指每个动作的长、宽、高,并保存每个零件被质检时设备的动作记录,将设备仿真模型上采集到的数据与用户已采集的数据进行对比,当比较的结果相同时,表示当前零件质检的数据并无作假,当检测到当前数据与质检零件质量的数据不相同时,对历史零件设备质检零件动作集合的三维坐标值与经过质量设备仿真模型质检零件动作的三维坐标值进行比较上传至控制平台中,当检测到设备质检零件的某个动作发生偏移导致数据产生偏差时,并将此设备上报至控制平台进行维修,若历史设备质检零件动作与上述所提及的设备仿真模型动作相同,所测量的数据与之不相同,则代表当前数据被人恶意修改。
4.根据权利要求3所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:获取控制平台中的数据,当检测到在控制平台中设备有维修记录,且维修记录的次数较多时,对设备维修的时间进行提取,在控制平台中所记录的首次设备进行维修的时间为t1,设备进行第二次维修的时间为t2,设备的固定维修期限为t2-t1,当检测到当前设备维修的时间处于固定维修期,则表示零件质量数据的更改问题并不是由设备本身原因造成,当检测到设备维修的期限不在固定维修间且即将进行维修,则表示当前零件质量数据问题是由质检设备中设备零件的原因,需要更换当前零件设备中的零件。
5.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:在所述步骤Z01中,所述数据采集模块包括多接口数据上传单元、多接口数据安全验证单元、数据特性判断单元和新数据集更新单元,所述多接口数据上传单元用于将数据从设备的多个接口的输出端口上传至上位机的输入端口,从而能够监测出当前所上传的数据内容且提高数据采集的高效性,所述多接口数据安全验证单元用于在输出端口将数据上传至上位机的输入端口时,对数据进行加密,以防他人从端口处更改数据,导致数据不严谨,所述数据特性判断单元用于当检测到当前数据被采集后,判断保存在新数据集中的数据是否完整和连贯,判断所采集的数据是否和保存在原零件设备端口的数据相同,所述新数据集更新单元用于对保存在数据集中的数据进行更新。
6.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:在所述步骤Z02中,所述数据准确性验证模型包括设备仿真建模单元、设备三维坐标定位单元、设备运动动作记录单元、数据比较单元和标准数据修正单元,设备仿真建模单元用于通过数字孪生对零件设备进行仿真,从而能够判断出当前零件设备质检零件质量数据的准确性,所述设备三维坐标定位单元用于在设备仿真模型质检零件的步骤进行定位,并将定位的结果上传至控制平台,所述设备运动动作记录单元用于将零件被设备仿真模型质检的动作进行记录,并将设备仿真模型质检的记录与实际设备质检零件的动作进行比较,所述数据比较单元用于根据设备仿真模型所产生的质检数据与实际设备质检的数据进行比较,所述标准数据修正单元用于当检测到设备仿真模型所检测到的零件数据和实际零件数据产生差值时,对设备仿真模型所质检的数据进行修正。
7.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:在所述步骤Z03中,所述数据问题追溯模块包括恶劣数据造假单元、设备故障痕迹判断单元和设备故障结果上传单元,所述恶劣数据造假单元用于对设备仿真模型的零件质量数据和实际设备质检零件质量数据不同,动作步骤相同,表示当前数据被恶意修改,所述设备故障痕迹判断单元用于判断设备是否在维修期间,能够进一步判断出维修期间的设备是否会对数据造成影响,所述设备故障结果上传单元用于将设备故障上传至控制平台中,从而保证零件设备的故障不会对数据产生影响。
8.根据权利要求1所述的基于大数据的工业控制系统网络安全数据的高效采集方法,其特征在于:所述控制平台对数据进行保存,用以调取设备仿真模型中质检的数据和实际设备质检的数据,并将比较结果保存在控制平台中,判断数据发生变化的原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283787.7A CN113050566B (zh) | 2021-03-17 | 2021-03-17 | 基于大数据的工业控制系统网络安全数据的高效采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283787.7A CN113050566B (zh) | 2021-03-17 | 2021-03-17 | 基于大数据的工业控制系统网络安全数据的高效采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113050566A CN113050566A (zh) | 2021-06-29 |
CN113050566B true CN113050566B (zh) | 2021-09-28 |
Family
ID=76512841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110283787.7A Active CN113050566B (zh) | 2021-03-17 | 2021-03-17 | 基于大数据的工业控制系统网络安全数据的高效采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050566B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469560B (zh) * | 2021-07-19 | 2022-05-10 | 北京东华博泰科技有限公司 | 一种基于工业大数据的云平台数据管理系统 |
CN113488901B (zh) * | 2021-09-06 | 2021-11-12 | 南通莱隆电器成套设备有限公司 | 一种智能配电柜的安全监控系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879583A (zh) * | 2019-12-26 | 2020-03-13 | 江苏古卓科技有限公司 | 基于数字孪生的智能装配车间质量预测与控制系统及方法 |
CN111063026A (zh) * | 2019-12-26 | 2020-04-24 | 南京悠淼科技有限公司 | 基于数字孪生的智能生产过程精确建模仿真系统及方法 |
CN111176245A (zh) * | 2019-10-29 | 2020-05-19 | 中国电子科技集团公司第三十八研究所 | 基于数字孪生技术的多终端工业设备巡检监控系统及方法 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111582892A (zh) * | 2020-05-21 | 2020-08-25 | 机械工业第六设计研究院有限公司 | 一种速冻食品全流程质量追溯方法 |
CN112102111A (zh) * | 2020-09-27 | 2020-12-18 | 华电福新广州能源有限公司 | 一种发电厂数据智能处理系统 |
CN112488489A (zh) * | 2020-11-26 | 2021-03-12 | 江苏科技大学 | 一种数字孪生驱动的加工质量追溯与动态控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8255617B2 (en) * | 2010-01-26 | 2012-08-28 | Seagate Technology Llc | Maintaining data integrity in a data storage device |
-
2021
- 2021-03-17 CN CN202110283787.7A patent/CN113050566B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111176245A (zh) * | 2019-10-29 | 2020-05-19 | 中国电子科技集团公司第三十八研究所 | 基于数字孪生技术的多终端工业设备巡检监控系统及方法 |
CN110879583A (zh) * | 2019-12-26 | 2020-03-13 | 江苏古卓科技有限公司 | 基于数字孪生的智能装配车间质量预测与控制系统及方法 |
CN111063026A (zh) * | 2019-12-26 | 2020-04-24 | 南京悠淼科技有限公司 | 基于数字孪生的智能生产过程精确建模仿真系统及方法 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111582892A (zh) * | 2020-05-21 | 2020-08-25 | 机械工业第六设计研究院有限公司 | 一种速冻食品全流程质量追溯方法 |
CN112102111A (zh) * | 2020-09-27 | 2020-12-18 | 华电福新广州能源有限公司 | 一种发电厂数据智能处理系统 |
CN112488489A (zh) * | 2020-11-26 | 2021-03-12 | 江苏科技大学 | 一种数字孪生驱动的加工质量追溯与动态控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113050566A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113050566B (zh) | 基于大数据的工业控制系统网络安全数据的高效采集方法 | |
CN107433962A (zh) | 一种用于轨道交通故障监控与智能预警的方法和系统 | |
CN109447448A (zh) | 一种消防安全评估管理的方法、客户端、服务器与系统 | |
CN109343395A (zh) | 一种核电厂dcs操作日志的异常检测系统和方法 | |
CN110347988B (zh) | 一种工程监理的模板建立方法及系统 | |
CN109310489A (zh) | 用于最大牙尖吻合关节连接的系统及方法 | |
CN106296528A (zh) | 一种证据收集与处理的方法及系统 | |
CN114548912A (zh) | 建筑工程项目管理用全过程追踪方法及系统 | |
CN113194126A (zh) | 一种基于区块链的横向联邦学习模型构建方法 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN115964757A (zh) | 基于区块链的流域环境监测及处置方法和装置 | |
CN112257117A (zh) | 一种基于区块链技术的智能检测装置 | |
CN106201887B (zh) | 一种离线数据任务的验证方法及装置 | |
CN117171694B (zh) | 一种基于ai技术的配电场景安全识别系统 | |
CN117350987A (zh) | 基于bim技术的下穿铁路斜交框架桥监测方法及系统 | |
CN114500574A (zh) | 一种基于区块链的提高粮库安全的监控方法、设备及介质 | |
CN113946492A (zh) | 一种智能运维方法、装置、设备及存储介质 | |
CN117150576A (zh) | 一种区块链电子印章的智能验证系统及方法 | |
CN110689270B (zh) | 一种基于多因素验证的信息安全测评方法及装置、计算机 | |
CN117523299A (zh) | 一种基于计算机网络图像识别方法、系统和存储介质 | |
CN112381031A (zh) | 基于卷积神经网络的实时在线受电弓羊角检测方法 | |
CN110995663A (zh) | 一种防篡改的数据记录格式的构建方法、数据采集装置 | |
CN111659124A (zh) | 一种用于对弈的智能鉴别系统 | |
CN116205411A (zh) | 一种基于大数据的物资用量核查方法、装置、设备及介质 | |
CN115795565A (zh) | 一种日志防篡改方法、装置、设备及存储介质 |
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 |