[发明专利]基于学习诊断器的信息安全判别方法、系统及相关装置

说明书

本申请公开了一种基于学习诊断器的信息安全判别方法，应用于不完备离散事件系统，通过引入具有学习能力的学习诊断器和候选状态算法对不完备模型进行处理，通过使用候选状态算法中不仅能够对假设的状态转移进行模拟，而且也可以在学习诊断器的学习功能下将系统缺失的状态信息通过不断尝试得到恢复，以将不完备模型转换为完备模型的方式使其符合验证状态不透明性的前提条件，进而判别该不完备离散事件系统是否成功对一些信息实现了保密，同时将学习诊断器的应用领域拓宽至验证状态不透明性这一领域。本申请还同时公开了一种基于学习诊断器的信息安全判别系统、装置及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及信息保密技术领域，特别涉及一种基于学习诊断器的信息安全判别方法、系统、装置及计算机可读存储介质。

背景技术

离散事件系统(Discrete Event System，DES)是由离散事件按照一定的运行规则相互作用而导致状态演化的一类动态系统，它既可以直接用于对离散系统的建模，又可以用于对连续系统离散化后的系统建模。目前，离散事件系统在军事国防、交通控制、计算机集成制造系统、电子通讯网络、机器人技术等领域都有成功应用。

随着工业生产规模的日益扩大，自动化设备日趋大型化，系统结构也变得越来越复杂，一旦工业系统出现被攻击的安全隐患，会极大影响系统的正常运行，尤其是在信息安全领域，对数据的安全保密尤为重要。而离散事件系统中的不透明性已成功在数字签名、保密通信、信息认证、入侵检测、数据加密等信息安全机制中广泛应用。而具有状态不透明性的离散事件系统要求满足以下要求：对于任意一条到达系统秘密状态的路径，至少存在另一条从相同状态出发到达非秘密状态的路径，使得这两条路径具有相同的投影。

现有进行状态不透明性分析都是建立在完备离散事件系统(不存在必要状态信息的缺失)的基础上，若一个完备离散事件系统经判别具有状态不透明性，则可以认为其符合信息保密要求(即成功隐匿了一些不想被其他人窥探的信息)，但由于获取到一个离散事件系统时往往还不能判定其是否完备，而一旦该离散事件系统是不完备的，就无法使用应用于完备离散事件系统的状态不透明性判别方式，若强行使用相同的判别方式，其得出的判别结果也是不具备参考价值的，现有技术缺失对此类情况的考虑。

因此，如何填补现有技术无法对不完备离散事件系统进行状态不透明性分析的技术空白，是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种基于学习诊断器的信息安全判别方法，应用于不完备离散事件系统，通过引入具有学习能力的学习诊断器和候选状态算法对不完备模型进行处理，通过使用候选状态算法中不仅能够对假设的状态转移进行模拟，而且也可以在学习诊断器的学习功能下将系统缺失的状态信息通过不断尝试得到恢复，以将不完备模型转换为完备模型的方式使其符合验证状态不透明性的前提条件，进而判别该不完备离散事件系统是否成功对一些信息实现了保密，同时将学习诊断器的应用领域拓宽至验证状态不透明性这一领域。

本申请的另一目的在于提供了一种基于学习诊断器的信息安全判别系统、装置及计算机可读存储介质。

为实现上述目的，本申请提供了一种基于学习诊断器的信息安全判别方法方法，应用于不完备离散事件系统，该方法包括：

根据不完备离散事件系统生成不完备模型；其中，所述不完备离散事件系统中包含有需要保密的状态信息；

利用学习诊断器和候选状态算法对所述不完备模型进行处理，得到完备模型缺失信息；

根据所述不完备模型和所述完备模型缺失信息生成再构建完备模型；

验证所述再构建完备模型对应的离散事件系统是否具有状态不透明性；

当所述离散事件系统具有状态不透明性时，判定所述状态信息处于保密状态。

可选的，利用学习诊断器和候选状态算法对所述不完备模型进行处理，得到完备模型缺失信息，包括：