[发明专利]基于光谱分析的光网络的光源及光路径识别方法

说明书

本发明公开了一种基于光谱分析的光网络的光源及光路径识别方法，该方法先通过基于人工智能技术的光源分类模型识别光源之后，再将光信号的基本参数和预存在光谱识别数据库中光源的相关业务信息进行比对验证，验证通过后识别出的光源才为合法光源，相应地，节点所传输的光信号为合法信号，实现了更加有效地甄别合法信号和非法信号，以及提升了光网络的安全性。此外，还通过基于人工智能技术的光路径分类模型识别光路径，光路径分类模型是通过采用海量的训练数据训练得到的，光路径识别效果更好。

技术领域

本发明涉及光网络技术领域，尤其涉及一种基于光谱分析的光网络的光源及光路径识别方法。

背景技术

光网络自身特性使其具有多种物理层的安全隐患，面临如窃听、串扰攻击、信息篡改等多种威胁，在攻击的过程中会引入异于的网络合法信号的非法信号，但现有技术无法实现对光网络物理层对非法信号入侵或物理层攻击的感知和识别，技术迫切需要突破。传统的光网络物理层安全防护大多通过信号的强度、时域特征等物理层参数来判断和监测攻击，但对于非法信号入侵类攻击方式，目前尚无有效手段对物理层非法信号入侵实现感知和识别，更无法在多元复杂的安全威胁环境下提供系统性的安全防护解决方案。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出的基于光谱分析的光网络的光源及光路径识别方法，先通过基于人工智能技术的光源分类模型识别光源之后，再将光信号的基本参数和预存在光谱识别数据库中光源的相关业务信息进行比对验证，验证通过后识别出的光源才为合法光源，相应地，节点所传输的光信号为合法信号，实现了更加有效地甄别合法信号和非法信号，以及提升了光网络的安全性。此外，还通过基于人工智能技术的光路径分类模型识别光路径，光路径分类模型是通过采用海量的训练数据训练得到的，光路径识别效果更好。

为此，本发明的第二个目的在于提出的基于多节点协同光谱分析的光网络的光源及光路径识别方法。

为了实现上述目的，本发明第一方面实施例的基于光谱分析的光网络的光源及光路径识别方法，包括：

采集光网络中预设节点处所传输的光信号的待测光谱数据，并提取所述光信号的基本参数，以及根据所述待测光谱数据和所述基本参数构建所述光信号对应的待测光谱数据向量；

对所述待测光谱数据向量进行预处理以及提取所述待测光谱数据向量的基本参数；

将所述预处理后的待测光谱数据向量导入光源分类模型中进行光源识别，输出所述光信号的光源标识，以及在所述光源标识包括合法光源标识时，从光谱识别数据库获取所述合法光源标识的相关业务信息，并验证所述合法光源标识的相关业务信息中是否存在所述待测光谱数据向量的基本参数，若验证结果为存在，确定光信号的光源认证通过；

或者，获取光源的原始光谱数据并进行预处理，以及根据预处理后的原始光谱数据和预处理后的待测光谱数据向量获取光路径传输矩阵，并将所述光路径传输矩阵导入光路径分类模型中进行光路径识别，输出所述光信号的光路径标识。

如上所述的方法，还包括：

接收光网络中所采集到的历史光谱数据，对所述历史光谱数据进行预处理以获取历史光谱数据向量，并将属于同一光源的历史光谱数据向量添加同一合法光源标识；

将部分的添加合法光源标识后的历史光谱数据向量作为训练数据集中的样本数据，形成训练数据集，以及将剩余的添加合法光源标识后的历史光谱数据向量作为阈值计算数据集中的样本数据，形成阈值计算数据集；

采用支持向量机算法对所述训练数据集进行训练，将不同合法光源标识的样本数据在高维数据空间中映射，寻找分类界面对所述不同合法光源标识的样本数据进行划分，完成光源分类模型的构建；

将阈值计算数据集输入到所述光源分类模型中进行分析，获取损失参数矩阵；