CN113691529A - 一种基于电力行业网络安全的工业控制系统及方法 - Google Patents

一种基于电力行业网络安全的工业控制系统及方法 Download PDF

Info

Publication number
CN113691529A
CN113691529A CN202110971739.7A CN202110971739A CN113691529A CN 113691529 A CN113691529 A CN 113691529A CN 202110971739 A CN202110971739 A CN 202110971739A CN 113691529 A CN113691529 A CN 113691529A
Authority
CN
China
Prior art keywords
data
channel
module
risk
prediction
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
CN202110971739.7A
Other languages
English (en)
Other versions
CN113691529B (zh
Inventor
刘智勇
黄文坤
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.)
Zhuhai Hongrui Information Technology Co Ltd
Original Assignee
Zhuhai Hongrui Information 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 Zhuhai Hongrui Information Technology Co Ltd filed Critical Zhuhai Hongrui Information Technology Co Ltd
Priority to CN202110971739.7A priority Critical patent/CN113691529B/zh
Publication of CN113691529A publication Critical patent/CN113691529A/zh
Application granted granted Critical
Publication of CN113691529B publication Critical patent/CN113691529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L63/1416—Event detection, e.g. attack signature detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0681—Configuration of triggering conditions
    • 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

Abstract

本发明公开了一种基于电力行业网络安全的工业控制系统，属于电力行业网络安全技术领域。本系统包括电力设备控制层、数据处理执行层、审计管理服务层；所述电力设备控制层的输出端连接至数据处理执行层的输入端；所述数据处理执行层的输出端连接至审计管理服务层的输入端；所述电力设备控制层还包括数据采集模块、数据监控模块、数据传输模块；所述数据处理执行层包括预测模块、校正模块、报警模块；所述审计管理服务层包括数据传输通道管理模块、数据转接模块、安全审计管理模块；另外本发明还提供一种基于电力行业网络安全的工业控制方法，用以保证系统的正常运行，维护电力设备网络数据安全。

Description

一种基于电力行业网络安全的工业控制系统及方法
技术领域
本发明涉及电力行业网络安全技术领域，具体为一种基于电力行业网络安全的工业控制系统及方法。
背景技术
工业控制系统主要是指由计算机与工业控制过程部件组成的自动控制系统，而在电力行业中，电力设备一般会采集汇总大量数据到管理端口，以便管理人员随时监控掌握电力设备的数据和电力设备的运行情况，因此一旦发生电力设备数据被他人窃取的情况发生，就会造成不可挽回的损失。
电力行业主要应用于生活办公、高耗能行业等传统领域以及目前兴起的电动汽车充电领域，电力行业也往往掌控着国家发展的命脉和人民的幸福生活，因此电力行业的网络安全必须重视，在现实生活中，一旦电力设备网络出现泄密情况，攻击者必然会大量传输电力设备数据，就会导致通信管道出现数据量大幅度流通的情况，而且电力设备的数据运行一旦出现差错，往往就需要关停设备进行查验数据的流向，这会造成系统的无法运行，并在排查期间无法正常工作，严重影响生产生活；
基于以上，本发明提出了一种基于电力行业网络安全的工业控制系统及方法，能够进行风险可预测、可防范，并且预测精度较高，能够够进一步提升电力行业网络安全。
发明内容
本发明的目的在于提供一种基于电力行业网络安全的工业控制系统及方法，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：
一种基于电力行业网络安全的工业控制系统，该系统包括电力设备控制层、数据处理执行层、审计管理服务层；
所述电力设备控制层用于对最底层的电力设备进行监控，获取底层数据，进行传输；所述数据处理执行层用于数据的预测和处理，保证电力设备的数据传输；所述审计管理服务层用于对系统进行安全审计、管理及控制，处理报警信息，开启数据转接；
所述电力设备控制层的输出端连接至数据处理执行层的输入端；所述数据处理执行层的输出端连接至审计管理服务层的输入端；
所述电力设备控制层还包括数据采集模块、数据监控模块、数据传输模块；
所述数据采集模块用于电力设备的数据采集；所述数据监控模块用于电力设备的数据传输监控；所述数据传输模块用于将电力设备数据进行传输至数据处理执行层；
所述数据采集模块的输出端与所述数据监控模块的输入端相连接；所述数据监控模块的输出端与所述数据传输模块的输入端相连接；
所述数据处理执行层包括预测模块、校正模块、报警模块；
所述预测模块用于预测各通道在各时段下的数据流量，并建立预测模型；所述校正模块用于根据实际值与预测值之间额偏差情况对预测模型进行矫正和调整；所述报警模块用于在超出报警阈值时发出报警信息，提醒管理人员；
所述预测模块的输出端与所述校正模块的输入端相连接；所述校正模块的输出端与所述报警模块的输入端相连接；
所述审计管理服务层包括数据传输通道管理模块、数据转接模块、安全审计管理模块；
所述数据传输通道管理模块用于对电力设备数据流量传输的通道进行管理，预测其风险概率；所述数据转接模块用于管理人员开启加密数据转接入口，实现数据转接；所述安全审计管理模块用于进行安全审计，更正报警阈值，保证系统运行；
所述数据传输通道管理模块的输出端与所述数据转接模块的输入端相连接；所述数据转接模块的输出端与所述安全审计管理模块的输入端相连接。
根据上述技术方案，所述数据监控模块包括监控终端、电力设备端口；
所述电力设备端口用于连接电力设备的数据流量入口；所述监控终端用于监控电力设备数据的流量情况；
所述电力设备端口的输出端与所述监控终端相连接。
根据上述技术方案，所述预测模块包括历史数据采集单元、预测模型建立单元；
所述历史数据采集单元用于采集各通道的历史流量数据；所述预测模型建立单元用于建立预测模型，预测各通道在各时段的数据流量；
所述历史数据采集单元的输出端与所述预测模型建立单元的输入端相连接；所述预测模型建立单元的输出端与所述校正模块的输入端相连接。
根据上述技术方案，所述数据传输通道管理模块包括通道预测单元、通道管理单元；
所述通道预测单元用于对各通道进行防入侵风险等级的预测，并得出风险值；所述通道管理单元用于进行风险值排序，挑选出最低风险通道；
所述通道预测单元的输出端与所述通道管理单元的输入端相连接；所述通道管理单元的输出端与所述数据转接模块的输入端相连接。
根据上述技术方案，所述数据转接模块包括人脸识别单元、转接单元；
所述人脸识别单元用于人脸识别，保证管理人员开启加密数据通道转接入口；所述转接单元用于进行通道的转接，将被入侵通道的数据流量转接至最低风险通道；
所述人脸识别单元的输出端与所述转接单元的输入端相连接。
一种基于电力行业网络安全的工业控制方法，该方法包括以下步骤：
S1、建立电力行业工业控制系统数据传输通道，以分布式方式进行管理、控制、执行与传输；
S2、获取历史多时段下的各通道数据流量，建立预测模型，预测未来各时段的各通道数据流量，根据预测结果建立报警阈值；
S3、获取实时状态下的各通道数据流量，对比步骤S2的预测数据，计算预测偏差，对预测模型进行修正，同时更新报警阈值；
S4、获取各通道的基本特征，建立防入侵风险等级的预测模型，并设置加密数据通道转接入口；
S5、在报警端口出现报警信息时，管理人员通过加密检测开启加密数据通道转接入口，并根据防入侵风险等级的预测模型选取最低风险通道，将报警通道转接至最低风险通道；
S6、开启数据过滤服务，更正最低风险通道的报警阈值，完成数据转接，保证系统正常运转。
根据上述技术方案，在步骤S1-S2中，还包括：
获取电力设备的监督设备数据流量入口，对不同电力设备实现分布式监管；
所述分布式监管包括:
获取各电力设备的数据流量与各通道对应的情况；
获取各电力设备对应通道的数据流量情况；
所述预测模型包括：
获取历史多时段下的各通道数据流量进行预测未来时段内各通道数据流量，公式如下：
Figure BDA0003226069830000051
其中，
Figure BDA0003226069830000052
代表l时段的预测值；k代表输入数据中的时段；j代表l时段的特征；
Figure BDA0003226069830000053
代表从k-1时段的特征m过渡到k时段的特征n的权重，其中，m代表k-1时段的特征，n代表k时段的特征，在n＝j时结束运算；l代表输出时段；f(x)代表激活函数；
Figure BDA0003226069830000054
代表输出时段为l时段的偏置；
所述激活函数为：
Figure BDA0003226069830000055
对于该预测模型，首先对时段进行整理，例如将一天平均分为24个时段，即0点到1点为第一时段，以此类推，如果进行预测第12时段的预测值，根据历史数据，获取各时段下的特征，因为每个时段电力设备的工作量不同，其产生的数据流量也不一样，例如在夜间的数据流量应少于在日间的数据流量；获取当前的实时数据情况，先预测当前实时的下一时段，按照公式进行特征转换的计算，并加入激活函数进行提高非线性因素，就可以预测得出当前实时的下一时段的预测值，再把得出的实时的下一时段的预测值作为输入，并获取这一时刻下的特征，再次进行特征转换，继续预测，直至到达第12时段，并把最后的结果加入偏置，进行修正，使得预测目标与实际目标的误差在可控范围内；
上述所提到的时段的特征具体指在一个时段内由于电力设备本身情况，例如设备老化导致运行速度慢；或外界相关因素情况，例如天气、假期等，都会在产生数据流量方面出现不同，因此每一个时段都具备其特有的特征，这些特征根据历史数据总结得出，由系统自行分析设置；
根据预测结果进行报警阈值的设计，公式如下：
G＝v1*x预
其中，G为报警阈值；v1为调节系数1；x预为预测结果。
根据上述技术方案，在步骤S3中，还包括：
预测偏差计算公式如下：
Δh＝x实时-x预
其中，Δh为预测偏差；x实时为对应预测结果的真实数据；
根据预测偏差进行预测模型的修正，对偏置进行调节；
B＝b0*v2
其中，B代表对b0更新后得到的新的偏置，b0代表出现预测偏差的时段的偏置；v2为调节系数2，根据Δh，由系统自行设置。
根据上述技术方案，在步骤S4-S5中，还包括：
获取各通道的基本特征；
所述基本特征记为集合D＝{d1、d2、……、dr}；
d1、d2、……、dr代表各通道基本特征中的各项具体特征；
基本特征包括：例如断线次数、被入侵次数、修复能力等；
建立防入侵风险等级的预测模型，公式如下：
L风险值＝c1*d1+c2*d2+…+cr*dr
其中，L风险值为通道历史数据中被入侵的风险值；c1、c2、…、cr分别对应d1、d2、……、dr所占的影响权重；其中c1+c2+…+cr＝1；
获取各通道的在各历史时段的L风险值；按照时间顺序进行排序，建立一个数据集；
对数据集进行分析，建立公式如下：
Lt+s＝at+bt*s
其中，Lt+s代表第t+s期的通道风险值的预测值；at为预测截距；bt为预测斜率；s为新增趋势预测期数；t为历史数据期数；
Figure BDA0003226069830000071
Figure BDA0003226069830000072
其中，
Figure BDA0003226069830000073
代表u组数据下的一次移动平均值；
Figure BDA0003226069830000074
代表u组数据下的二次移动平均值；u代表参与移动的数据组数；
这里的一次移动平均值即指从第一组开始不断地取u组数据进行计算平均值，按照顺序依次移动计算吗，例如u＝5，则取第一组到第五组进行第一次计算，然后取第二组到第六组，再次计算平均值，以此类推；而二次移动平均值即指选取u组一次移动平均值再次进行平均值计算，例如u＝5，则取第一组一次移动平均值到第五组一次移动平均值进行第一次计算，然后取第二组到第六组，再次计算平均值，以此类推；这样的计算能够充分显示数据的趋势性，即展现各通道特征对防风险入侵的影响性，进而判断通道被入侵的风险值；
按照通道风险值的预测值进行排序，最小值对应的通道即为最低风险通道；
并设置加密数据通道转接入口；
以人脸识别作为管理人员加密检测手段。
根据上述技术方案，在步骤S6中，还包括：
获取被入侵通道的各时段下的数据流量预测值，记为P风险预测；
获取在步骤S3下的最低风险通道的数据流量报警阈值；记为G最低通道；
则更新的报警阈值，即为：
G新＝g0*(G最低通道+P风险预测)
其中，G新为最新的最低风险通道的报警阈值；g0为数据过滤及转接过程中出现误差的调节系数；
得出最新的最低风险通道报警阈值。
在这一步骤中，因为当被入侵通道的数据转接至最低风险通道后，势必引起最低风险通道的数据流量发生变化，偏离预测值，并且会超出报警阈值，导致系统报警，因此设置了更新值进行控制，保证系统正常运行，又考虑到数据的过滤转接之间的误差情况，因此设立调节系数进行平衡，保证精准性。
与现有技术相比，本发明所达到的有益效果是：
1、本发明能够对电力行业电力设备的数据流量传输过程中的网络安全进行防护，本发明设置有电力设备控制层、数据处理执行层、审计管理服务层，能够保证电力设备数据的正常流转，维护工业控制系统稳定；
2、本发明提出分布式数据管道管理，利用预测模型判断数据流量的变化，设置并不断更新报警阈值，保证网络安全，在通信管道被入侵时，利用通道转接，进行维护，可以既保证系统正常运行，又可以减少数据被窃取的风险；
3、本发明提供一种更新报警阈值的方法，在通道转接的过程中，势必会造成最低风险通道的数据流量超标，从而触发报警模块，因此建立报警阈值更新，利用预测模型的数据进行报警阈值的数据替换，保证系统正常运行，降低错报误报的风险。
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是本发明一种基于电力行业网络安全的工业控制系统的结构示意图；
图2是本发明一种基于电力行业网络安全的工业控制方法的步骤示意图。
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：
一种基于电力行业网络安全的工业控制系统，该系统包括电力设备控制层、数据处理执行层、审计管理服务层；
所述电力设备控制层用于对最底层的电力设备进行监控，获取底层数据，进行传输；所述数据处理执行层用于数据的预测和处理，保证电力设备的数据传输；所述审计管理服务层用于对系统进行安全审计、管理及控制，处理报警信息，开启数据转接；
所述电力设备控制层的输出端连接至数据处理执行层的输入端；所述数据处理执行层的输出端连接至审计管理服务层的输入端；
所述电力设备控制层还包括数据采集模块、数据监控模块、数据传输模块；
所述数据采集模块用于电力设备的数据采集；所述数据监控模块用于电力设备的数据传输监控；所述数据传输模块用于将电力设备数据进行传输至数据处理执行层；
所述数据采集模块的输出端与所述数据监控模块的输入端相连接；所述数据监控模块的输出端与所述数据传输模块的输入端相连接；
所述数据处理执行层包括预测模块、校正模块、报警模块；
所述预测模块用于预测各通道在各时段下的数据流量，并建立预测模型；所述校正模块用于根据实际值与预测值之间额偏差情况对预测模型进行矫正和调整；所述报警模块用于在超出报警阈值时发出报警信息，提醒管理人员；
所述预测模块的输出端与所述校正模块的输入端相连接；所述校正模块的输出端与所述报警模块的输入端相连接；
所述审计管理服务层包括数据传输通道管理模块、数据转接模块、安全审计管理模块；
所述数据传输通道管理模块用于对电力设备数据流量传输的通道进行管理，预测其风险概率；所述数据转接模块用于管理人员开启加密数据转接入口，实现数据转接；所述安全审计管理模块用于进行安全审计，更正报警阈值，保证系统运行；
所述数据传输通道管理模块的输出端与所述数据转接模块的输入端相连接；所述数据转接模块的输出端与所述安全审计管理模块的输入端相连接。
所述数据监控模块包括监控终端、电力设备端口；
所述电力设备端口用于连接电力设备的数据流量入口；所述监控终端用于监控电力设备数据的流量情况；
所述电力设备端口的输出端与所述监控终端相连接。
所述预测模块包括历史数据采集单元、预测模型建立单元；
所述历史数据采集单元用于采集各通道的历史流量数据；所述预测模型建立单元用于建立预测模型，预测各通道在各时段的数据流量；
所述历史数据采集单元的输出端与所述预测模型建立单元的输入端相连接；所述预测模型建立单元的输出端与所述校正模块的输入端相连接。
所述数据传输通道管理模块包括通道预测单元、通道管理单元；
所述通道预测单元用于对各通道进行防入侵风险等级的预测，并得出风险值；所述通道管理单元用于进行风险值排序，挑选出最低风险通道；
所述通道预测单元的输出端与所述通道管理单元的输入端相连接；所述通道管理单元的输出端与所述数据转接模块的输入端相连接。
所述数据转接模块包括人脸识别单元、转接单元；
所述人脸识别单元用于人脸识别，保证管理人员开启加密数据通道转接入口；所述转接单元用于进行通道的转接，将被入侵通道的数据流量转接至最低风险通道；
所述人脸识别单元的输出端与所述转接单元的输入端相连接。
一种基于电力行业网络安全的工业控制方法，该方法包括以下步骤：
S1、建立电力行业工业控制系统数据传输通道，以分布式方式进行管理、控制、执行与传输；
S2、获取历史多时段下的各通道数据流量，建立预测模型，预测未来各时段的各通道数据流量，根据预测结果建立报警阈值；
S3、获取实时状态下的各通道数据流量，对比步骤S2的预测数据，计算预测偏差，对预测模型进行修正，同时更新报警阈值；
S4、获取各通道的基本特征，建立防入侵风险等级的预测模型，并设置加密数据通道转接入口；
S5、在报警端口出现报警信息时，管理人员通过加密检测开启加密数据通道转接入口，并根据防入侵风险等级的预测模型选取最低风险通道，将报警通道转接至最低风险通道；
S6、开启数据过滤服务，更正最低风险通道的报警阈值，完成数据转接，保证系统正常运转。
在步骤S1-S2中，还包括：
获取电力设备的监督设备数据流量入口，对不同电力设备实现分布式监管；
所述分布式监管包括:
获取各电力设备的数据流量与各通道对应的情况；
获取各电力设备对应通道的数据流量情况；
所述预测模型包括：
获取历史多时段下的各通道数据流量进行预测未来时段内各通道数据流量，公式如下：
Figure BDA0003226069830000121
其中，
Figure BDA0003226069830000122
代表l时段的预测值；k代表输入数据中的时段；j代表l时段的特征；
Figure BDA0003226069830000123
代表从k-1时段的特征m过渡到k时段的特征n的权重，其中，m代表k-1时段的特征，n代表k时段的特征，在n＝j时结束运算；l代表输出时段；f(x)代表激活函数；
Figure BDA0003226069830000124
代表输出时段为l时段的偏置；
所述激活函数为：
Figure BDA0003226069830000125
根据预测结果进行报警阈值的设计，公式如下：
G＝v1*x预
其中，G为报警阈值；v1为调节系数1；x预为预测结果。
在步骤S3中，还包括：
预测偏差计算公式如下：
Δh＝|x实时-x预|
其中，Δh为预测偏差；x实时为对应预测结果的真实数据；
根据预测偏差进行预测模型的修正，对偏置进行调节；
B＝b0*v2
其中，B代表对b0更新后得到的新的偏置，b0代表出现预测偏差的时段的偏置；v2为调节系数2，根据Δh，由系统自行设置。
在步骤S4-S5中，还包括：
获取各通道的基本特征；
所述基本特征记为集合D＝{d1、d2、……、dr}；
d1、d2、……、dr代表各通道基本特征中的各项具体特征；
建立防入侵风险等级的预测模型，公式如下：
L风险值＝c1*d1+c2*d2+…+cr*dr
其中，L风险值为通道历史数据中被入侵的风险值；c1、c2、…、cr分别对应d1、d2、……、dr所占的影响权重；其中c1+c2+…+cr＝1；
获取各通道的在各历史时段的L风险值；按照时间顺序进行排序，建立一个数据集；
对数据集进行分析，建立公式如下：
Lt+s＝at+bt*s
其中，Lt+s代表第t+s期的通道风险值的预测值；at为预测截距；bt为预测斜率；s为新增趋势预测期数；t为历史数据期数；
Figure BDA0003226069830000131
Figure BDA0003226069830000132
其中，
Figure BDA0003226069830000133
代表u组数据下的一次移动平均值；
Figure BDA0003226069830000134
代表u组数据下的二次移动平均值；u代表参与移动的数据组数；
按照通道风险值的预测值进行排序，最小值对应的通道即为最低风险通道；
并设置加密数据通道转接入口；
以人脸识别作为管理人员加密检测手段。
在步骤S6中，还包括：
获取被入侵通道的各时段下的数据流量预测值，记为P风险预测；
获取在步骤S3下的最低风险通道的数据流量报警阈值；记为G最低通道；
则更新的报警阈值，即为：
G新＝g0*(G最低通道+P风险预测)
其中，G新为最新的最低风险通道的报警阈值；g0为数据过滤及转接过程中出现误差的调节系数；
得出最新的最低风险通道报警阈值。
在本实施例中：
获取各通道的基本特征；所述基本特征选取为断线次数、被入侵次数、修复能力；其影响权重分别记为0.3、0.3、0.4；
建立防入侵风险等级的预测模型，公式如下：
L风险值＝c1*d1+c2*d2+…+cr*dr＝0.3*d1+0.3*d2+0.4*d3
其中，L风险值为通道历史数据中被入侵的风险值；c1、c2、…、cr分别对应d1、d2、……、dr所占的影响权重；其中c1+c2+…+cr＝1；
获取各通道的在各历史时段的L风险值；按照时间顺序进行排序，建立一个数据集；
数据集如下：
取十个历史同一时段，例如每天的中午12点-13点；
计算出风险值为如下：
104、102、106、108、109、120、112、114、118、122；
对数据集进行分析，建立公式如下：
Lt+s＝at+bt*s
其中，Lt+s代表第t+s期的通道风险值的预测值；at为预测截距；bt为预测斜率；s为新增趋势预测期数；t为历史数据期数；
Figure BDA0003226069830000151
Figure BDA0003226069830000152
其中，
Figure BDA0003226069830000153
代表u组数据下的一次移动平均值；
Figure BDA0003226069830000154
代表u组数据下的二次移动平均值；u代表参与移动的数据组数；
设置u组数据为u＝5；
则
Figure BDA0003226069830000155
分别为：
t＝5：(104+102+106+108+109)/5＝105.8
t＝6：(102+106+108+109+120)/5＝109
t＝7：(106+108+109+120+112)/5＝111
t＝8：(108+109+120+112+114)/5＝112.6
t＝9：(109+120+112+114+118)/5＝114.6
t＝10：(120+112+114+118+122)/5＝117.2
则
Figure BDA0003226069830000156
分别为：
t＝9：(105.8+109+111+112.6+114.6)/5＝110.6
t＝10：(109+111+112.6+114.6+117.2)/5＝112.88
取t＝10；则预测第十一期该通道的风险值为：
Figure BDA0003226069830000157
则其风险值为123.68；
对所有通道进行预测，将得出的风险值最小的通道即为最低风险通道。
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 (10)

1.一种基于电力行业网络安全的工业控制系统，其特征在于：该系统包括电力设备控制层、数据处理执行层、审计管理服务层；
所述电力设备控制层用于对最底层的电力设备进行监控，获取底层数据，进行传输；所述数据处理执行层用于数据的预测和处理，保证电力设备的数据传输；所述审计管理服务层用于对系统进行安全审计、管理及控制，处理报警信息，开启数据转接；
所述电力设备控制层的输出端连接至数据处理执行层的输入端；所述数据处理执行层的输出端连接至审计管理服务层的输入端；
所述电力设备控制层还包括数据采集模块、数据监控模块、数据传输模块；
所述数据采集模块用于电力设备的数据采集；所述数据监控模块用于电力设备的数据传输监控；所述数据传输模块用于将电力设备数据进行传输至数据处理执行层；
所述数据采集模块的输出端与所述数据监控模块的输入端相连接；所述数据监控模块的输出端与所述数据传输模块的输入端相连接；
所述数据处理执行层包括预测模块、校正模块、报警模块；
所述预测模块用于预测各通道在各时段下的数据流量，并建立预测模型；所述校正模块用于根据实际值与预测值之间额偏差情况对预测模型进行矫正和调整；所述报警模块用于在超出报警阈值时发出报警信息，提醒管理人员；
所述预测模块的输出端与所述校正模块的输入端相连接；所述校正模块的输出端与所述报警模块的输入端相连接；
所述审计管理服务层包括数据传输通道管理模块、数据转接模块、安全审计管理模块；
所述数据传输通道管理模块用于对电力设备数据流量传输的通道进行管理，预测其风险概率；所述数据转接模块用于管理人员开启加密数据转接入口，实现数据转接；所述安全审计管理模块用于进行安全审计，更正报警阈值，保证系统运行；
所述数据传输通道管理模块的输出端与所述数据转接模块的输入端相连接；所述数据转接模块的输出端与所述安全审计管理模块的输入端相连接。
2.根据权利要求1所述的一种基于电力行业网络安全的工业控制系统，其特征在于：所述数据监控模块包括监控终端、电力设备端口；
所述电力设备端口用于连接电力设备的数据流量入口；所述监控终端用于监控电力设备数据的流量情况；
所述电力设备端口的输出端与所述监控终端相连接。
3.根据权利要求1所述的一种基于电力行业网络安全的工业控制系统，其特征在于：所述预测模块包括历史数据采集单元、预测模型建立单元；
所述历史数据采集单元用于采集各通道的历史流量数据；所述预测模型建立单元用于建立预测模型，预测各通道在各时段的数据流量；
所述历史数据采集单元的输出端与所述预测模型建立单元的输入端相连接；所述预测模型建立单元的输出端与所述校正模块的输入端相连接。
4.根据权利要求1所述的一种基于电力行业网络安全的工业控制系统，其特征在于：所述数据传输通道管理模块包括通道预测单元、通道管理单元；
所述通道预测单元用于对各通道进行防入侵风险等级的预测，并得出风险值；所述通道管理单元用于进行风险值排序，挑选出最低风险通道；
所述通道预测单元的输出端与所述通道管理单元的输入端相连接；所述通道管理单元的输出端与所述数据转接模块的输入端相连接。
5.根据权利要求1所述的一种基于电力行业网络安全的工业控制系统，其特征在于：所述数据转接模块包括人脸识别单元、转接单元；
所述人脸识别单元用于人脸识别，保证管理人员开启加密数据通道转接入口；所述转接单元用于进行通道的转接，将被入侵通道的数据流量转接至最低风险通道；
所述人脸识别单元的输出端与所述转接单元的输入端相连接。
6.一种基于电力行业网络安全的工业控制方法，其特征在于：该方法包括以下步骤：
S1、建立电力行业工业控制系统数据传输通道，以分布式方式进行管理、控制、执行与传输；
S2、获取历史多时段下的各通道数据流量，建立预测模型，预测未来各时段的各通道数据流量，根据预测结果建立报警阈值；
S3、获取实时状态下的各通道数据流量，对比步骤S2的预测数据，计算预测偏差，对预测模型进行修正，同时更新报警阈值；
S4、获取各通道的基本特征，建立防入侵风险等级的预测模型，并设置加密数据通道转接入口；
S5、在报警端口出现报警信息时，管理人员通过加密检测开启加密数据通道转接入口，并根据防入侵风险等级的预测模型选取最低风险通道，将报警通道转接至最低风险通道；
S6、开启数据过滤服务，更正最低风险通道的报警阈值，完成数据转接，保证系统正常运转。
7.根据权利要求6所述的一种基于电力行业网络安全的工业控制方法，其特征在于：在步骤S1-S2中，还包括：
获取电力设备的监督设备数据流量入口，对不同电力设备实现分布式监管；
所述分布式监管包括:
获取各电力设备的数据流量与各通道对应的情况；
获取各电力设备对应通道的数据流量情况；
所述预测模型包括：
获取历史多时段下的各通道数据流量进行预测未来时段内各通道数据流量，公式如下：
Figure FDA0003226069820000041
其中，
Figure FDA0003226069820000042
代表l时段的预测值；k代表输入数据中的时段；j代表l时段的特征；
Figure FDA0003226069820000043
代表从k-1时段的特征m过渡到k时段的特征n的权重，其中，m代表k-1时段的特征，n代表k时段的特征，在n＝j时结束运算；l代表输出时段；f(x)代表激活函数；
Figure FDA0003226069820000044
代表输出时段为l时段的偏置；
所述激活函数为：
Figure FDA0003226069820000045
根据预测结果进行报警阈值的设计，公式如下：
G＝v1*x预
其中，G为报警阈值；v1为调节系数1；x预为预测结果。
8.根据权利要求7所述的一种基于电力行业网络安全的工业控制方法，其特征在于：在步骤S3中，还包括：
预测偏差计算公式如下：
Δh＝|x实时-x预|
其中，Δh为预测偏差；x实时为对应预测结果的真实数据；
根据预测偏差进行预测模型的修正，对偏置进行调节；
B＝b0*v2
其中，B代表对b0更新后得到的新的偏置，b0代表出现预测偏差的时段的偏置；v2为调节系数2，根据Δh，由系统自行设置。
9.根据权利要求8所述的一种基于电力行业网络安全的工业控制方法，其特征在于：在步骤S4-S5中，还包括：
获取各通道的基本特征；
所述基本特征记为集合D＝{d1、d2、……、dr}；
d1、d2、……、dr代表各通道基本特征中的各项具体特征的特征值；
建立防入侵风险等级的预测模型，公式如下：
L风险值＝c1*d1+c2*d2+…+cr*dr
其中，L风险值为通道历史数据中被入侵的风险值；c1、c2、…、cr分别对应d1、d2、……、dr所占的影响权重；其中c1+c2+…+cr＝1；
获取各通道的在各历史时段的L风险值；按照时间顺序进行排序，建立一个数据集；
对数据集进行分析，建立公式如下：
Lt+s＝at+bt*s
其中，Lt+s代表第t+s期的通道风险值的预测值；at为预测截距；bt为预测斜率；s为新增趋势预测期数；t为历史数据期数；
Figure FDA0003226069820000051
Figure FDA0003226069820000052
其中，
Figure FDA0003226069820000053
代表u组数据下的一次移动平均值；
Figure FDA0003226069820000054
代表u组数据下的二次移动平均值；u代表参与移动的数据组数；
按照通道风险值的预测值进行排序，最小值对应的通道即为最低风险通道；
并设置加密数据通道转接入口；
以人脸识别作为管理人员加密检测手段。
10.根据权利要求9所述的一种基于电力行业网络安全的工业控制方法，其特征在于：在步骤S6中，还包括：
获取被入侵通道的各时段下的数据流量预测值，记为P风险预测；
获取在步骤S3下的最低风险通道的数据流量报警阈值；记为G最低通道；
则更新的报警阈值，即为：
G新＝g0*(G最低通道+P风险预测)
其中，G新为最新的最低风险通道的报警阈值；g0为数据过滤及转接过程中出现误差的调节系数；
得出最新的最低风险通道报警阈值。
CN202110971739.7A 2021-08-24 2021-08-24 一种基于电力行业网络安全的工业控制系统及方法 Active CN113691529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110971739.7A CN113691529B (zh) 2021-08-24 2021-08-24 一种基于电力行业网络安全的工业控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110971739.7A CN113691529B (zh) 2021-08-24 2021-08-24 一种基于电力行业网络安全的工业控制系统及方法

Publications (2)

Publication Number Publication Date
CN113691529A true CN113691529A (zh) 2021-11-23
CN113691529B CN113691529B (zh) 2022-03-11

Family

ID=78581639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110971739.7A Active CN113691529B (zh) 2021-08-24 2021-08-24 一种基于电力行业网络安全的工业控制系统及方法

Country Status (1)

Country Link
CN (1) CN113691529B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935705A (zh) * 2023-01-09 2023-04-07 珠海市鸿瑞信息技术股份有限公司 一种基于多源数据的工控信息数字化管理系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102957579A (zh) * 2012-09-29 2013-03-06 北京邮电大学 一种网络异常流量监测方法及装置
CN103716180A (zh) * 2013-12-04 2014-04-09 国网上海市电力公司 基于网络流量实际预测的网络异常预警方法
CN106372799A (zh) * 2016-08-31 2017-02-01 全球能源互联网研究院 一种电网安全风险预测方法
US20170124497A1 (en) * 2015-10-28 2017-05-04 Fractal Industries, Inc. System for automated capture and analysis of business information for reliable business venture outcome prediction
US20170147814A1 (en) * 2015-11-17 2017-05-25 Red Balloon Security, Inc. Embedded systems monitoring systems and methods
CN106949598A (zh) * 2017-03-15 2017-07-14 华北电力大学 网络流量负载变化时的网络中心机房节能优化方法
CN108696529A (zh) * 2018-05-29 2018-10-23 广西电网有限责任公司 基于多元信息融合的网络安全态势感知分析系统
CN109873790A (zh) * 2017-12-04 2019-06-11 中国电信股份有限公司 网络安全检测方法、装置以及计算机可读存储介质
US10438001B1 (en) * 2018-12-31 2019-10-08 Arceo Labs Inc. Identification, prediction, and assessment of cyber security risk
US20190324439A1 (en) * 2017-08-02 2019-10-24 Strong Force Iot Portfolio 2016, Llc Data monitoring systems and methods to update input channel routing in response to an alarm state
CN110830448A (zh) * 2019-10-16 2020-02-21 支付宝(杭州)信息技术有限公司 目标事件的流量异常检测方法、装置、电子设备及介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102957579A (zh) * 2012-09-29 2013-03-06 北京邮电大学 一种网络异常流量监测方法及装置
CN103716180A (zh) * 2013-12-04 2014-04-09 国网上海市电力公司 基于网络流量实际预测的网络异常预警方法
US20170124497A1 (en) * 2015-10-28 2017-05-04 Fractal Industries, Inc. System for automated capture and analysis of business information for reliable business venture outcome prediction
US20170147814A1 (en) * 2015-11-17 2017-05-25 Red Balloon Security, Inc. Embedded systems monitoring systems and methods
CN106372799A (zh) * 2016-08-31 2017-02-01 全球能源互联网研究院 一种电网安全风险预测方法
CN106949598A (zh) * 2017-03-15 2017-07-14 华北电力大学 网络流量负载变化时的网络中心机房节能优化方法
US20190324439A1 (en) * 2017-08-02 2019-10-24 Strong Force Iot Portfolio 2016, Llc Data monitoring systems and methods to update input channel routing in response to an alarm state
CN109873790A (zh) * 2017-12-04 2019-06-11 中国电信股份有限公司 网络安全检测方法、装置以及计算机可读存储介质
CN108696529A (zh) * 2018-05-29 2018-10-23 广西电网有限责任公司 基于多元信息融合的网络安全态势感知分析系统
US10438001B1 (en) * 2018-12-31 2019-10-08 Arceo Labs Inc. Identification, prediction, and assessment of cyber security risk
CN110830448A (zh) * 2019-10-16 2020-02-21 支付宝(杭州)信息技术有限公司 目标事件的流量异常检测方法、装置、电子设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YIN XIAOHONG: "The research on data flow technology in computer network security monitoring", 《2014 IEEE WORKSHOP ON ADVANCED RESEARCH AND TECHNOLOGY IN INDUSTRY APPLICATIONS (WARTIA)》 *
王鹏: "工业控制系统的网络安全高等级环境", 《信息技术》 *
脚本之家: "工业控制系统安全的分析与详细说明(图文)", 《百度HTTPS://WWW.JB51.NET/HACK/55412.HTML》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935705A (zh) * 2023-01-09 2023-04-07 珠海市鸿瑞信息技术股份有限公司 一种基于多源数据的工控信息数字化管理系统及方法

Also Published As

Publication number Publication date
CN113691529B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN113691529B (zh) 一种基于电力行业网络安全的工业控制系统及方法
CN115086089B (zh) 一种用于网络安全评估预测的方法及系统
CN111582542B (zh) 一种基于异常修复的电力负荷预测方法及系统
CN113759868A (zh) 一种基于神经网络的工业以太网故障预测方法
CN114022988A (zh) 一种基于人工智能的访客信息管理验证系统及方法
CN108931700A (zh) 一种基于WSNs的电网安全风险预警系统
CN106124835B (zh) 一种配电电源电压与预定电压比较的方法
CN112132195B (zh) 一种利用马尔科夫模型分析与预测机房故障的方法
CN117176249A (zh) 一种光纤网络用智能监测系统
CN111598328A (zh) 一种计及疫情事件的电力负荷预测方法
CN111428356A (zh) 一种新研发退化设备的维护方法及系统
CN111314294A (zh) 一种基于周期性和移动窗口基线算法的异常流量检测方法
CN115619098A (zh) 一种基于分级监控预警的智能电力物资数据处理方法
CN116167609A (zh) 基于神经网络模型的电力系统风险评估方法
CN112532615B (zh) 一种智能电网蠕虫检测方法
CN115310586A (zh) 针对网络攻击的有源配电网信息物理系统运行态势预测方法及系统
CN112085043B (zh) 一种变电站网络安全智能监控方法及系统
CN114006744A (zh) 一种基于lstm的电力监控系统网络安全态势预测方法及系统
CN114548769A (zh) 一种智能电网it资产大数据监测系统及方法
CN115865536B (zh) 一种基于人工智能的工控信息安全防御系统及方法
CN115604016B (zh) 一种行为特征链模型的工控异常行为监测方法和系统
CN116562631B (zh) 一种电力光纤通信网络风险量化评价方法、系统和设备
CN111988184B (zh) 一种基于态势感知的广播风暴检测与处理方法
CN112363400B (zh) 基于光纤传感器信号和异常编码的电缆隧道入侵监测方法
CN116703037B (zh) 一种基于道路施工的监控方法及装置

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