雒盾·工业互联网边缘云安全平台

工业大数据可视化

随着工业系统规模的不断扩大，工业控制系统的分层也代表着不同层级产生的工业数据呈现出差别性。工业系统的数据多为设备数据、指令数据、状态数据等，其发生的攻击行为所产生的流量数据也有呈现出不同特征。与此同时，由于工控场景下网络攻击的数据存在严重的不平衡性，即收集到的数据大多为网络层的正常运行数据，实际攻击数据仅占极小部分，数据分布不均衡。针对这些问题，提出了工业情境安全的基础框架。

1. 提出一种优化决策树算法

工业互联网网络攻击行为特征具有高复杂性、高维度、数据不平衡等特点，依据工业情境安全中工控行为表征建模，设计优化决策树特征选择算法。攻击者对工业场景中的工厂、设备、网络等发起攻击，同时收集攻击数据并进行汇总。原始数据作为算法输入通过优化后的决策树算法训练测试，输出特征分析结果与攻击类别分类。其中优化决策树算法一共可以分为两个部分，第一个部分是决策树特征选择，第二个部分是优化损失，特征再选择。

2. 使用基于UNSW-NB15的天然气管道数据集

根据UNSW-NB15数据集中的42个特征，根据随机森林方法与XG-Boost方法求得损失函数的极值点，采用拉格朗日乘数法优化后的决策树进行特征重要性排序。

使用随机森林方法的特征筛选结果

使用XG-Boost方法的特征筛选结果

使用决策树优化方法的特征筛选结果

[ IEEE / IEEE_ComSoc / IEEE_MMTC ] [ IEEE MMTC Publications ] [ IEEE MMTC Awards ] [ IEEE MMTC Conferences ] [ IEEE MMTC Frontiers ] [ IEEE MMTC IGs ]

[ IEEE Computer Society ] [ IEEE Signal Processing Society ] [ IEEE Consumer Electronics Societ ] [ IEEE Systems, Man, and Cybernetics Society ]

Henan International Joint Laboratory of Cyberspace Security Applications, Henan University of Science & Technology (HAUST), 263 Kaiyuan Ave, Luoyang 471023, P. R. of China.