[发明专利]一种应用于电力控制系统网络攻击的主动防御方法

说明书

本发明公开一种应用于电力控制系统网络攻击的主动防御方法，通过黑盒法构建虚拟控制器网络、虚拟攻击样本库和攻击样本生成器，构建虚拟攻击事件，从而对电力系统进行排查和修复，本发明的主动防御方法易于实现，便于部署于电力控制系统，以提升系统稳定性，对隐蔽性攻击排查效果良好。

技术领域

本发明属于网络安全技术领域，特别涉及一种应用于电力控制系统网络攻击的主动防御方法。

背景技术

与传统电力系统相比，现如今的电力系统中接入了大量传感、通信、计算和控制设备，可对电力系统进行广域量测和控制。对于此类量测系统和控制系统，发展出人工智能的控制策略。

然而，该类控制策略通常在分类边界处更容易出现漏洞，并且此漏洞在模型训练过程中很难被发现。

发明内容

本申请提供了一种应用于电力控制系统网络攻击的主动防御方法。

步骤S102：基于深度神经网络，构造虚拟控制器网络F，用于模拟电力控制系统的控制策略。所述虚拟控制器网络F，包含若干个卷积层和池化层且参数可调。

根据电力控制系统历史状态集X和电力控制系统控制器的历史输出结果集Y，采用十字交叉法，将所述历史状态集X和所述历史输出结果集Y中各值，随机分配为训练样本集(Xa,Ya)和测试样本集(Xb,Yb)。

可选地，所述历史状态集X和所述历史输出结果集Y获取方式：采用监听或探针的方式，监测电力控制系统的量测系统历史状态输入和控制策略对应的输出结果，生成所述历史状态集X和所述历史输出结果集Y。

步骤S104：用所述训练样本集(Xa,Ya)对所述虚拟控制器网络F进行训练，用所述测试样本集(Xb,Yb)检测训练结果，对训练结果的正确率进行判断：若正确率达到预设值，进入下一步骤；若正确率未能达到预设值，则调整所述虚拟控制器网络F的网络参数，重复步骤S104。

步骤S202：设置生成攻击样本库的边界条件和判别条件，所述边界条件用于限制扰动大小，使扰动分布在系统无法识别的误差范围内，所述判别条件用于判断所述扰动能否对电力控制系统控制器的控制结果产生影响。

步骤S204：设置所述历史状态集X的扰动r为随机数，采用差分进化（DE）算法，在所述虚拟控制器网络F位于给定所述边界条件内，生成扰动r最优值并叠加至所述历史状态集X中获得攻击样本集X_hat。

步骤S206：利用所述判别条件，对所述X_hat进行判断：若满足所述判别条件，将所述X_hat输入所述虚拟控制器网络F得到Y_hat。

步骤S208：对所述Y_hat进行判断，满足边界条件则进行下一步骤。

步骤S302：将所述攻击样本集X_hat随机分配为训练样本集(Xa,X_hata)和测试样本集(Xb,X_hatb)，用于训练生成器模型，以及用于检测训练效果。

步骤S304：构建生成器网络模型G和判别器网络模型C。

步骤S306：采用所述训练样本集(Xa,X_hata)对所述生成器网络模型G进行训练，然后采用所述测试样本集(Xb,X_hatb)对所述生成器网络模型G进行测试。

步骤S308：将所述电力控制系统历史状态集X输入所述生成器网络模型G，从而得到攻击样本X_hat’。

将所述攻击样本X_hat’输入所述虚拟控制器网络F，得到输出结果集Y_hat’。

步骤S310：对所述Y_hat’进行判断，满足边界条件则进行下一步骤。

步骤S312：用电力控制系统的量测系统正常状态下产生的样本集(X,0)和所述攻击样本集(X_hat,1)对所述判别器网络模型C进行训练。