[发明专利]工控协议数据异常检测模型的训练方法和训练装置

权利要求书

1.一种工控协议数据异常检测模型的训练方法，其特征在于，所述工控协议数据异常检测模型包括组合编码模块、预训练模型和自编码网络，其中，所述训练方法包括：

获取工控协议数据流，其中，所述工控协议数据流是以十六进制表示的数据；

基于所述组合编码模块，将所述工控协议数据流中的每两个相邻的十六进制数绑定为组合码，并将组合码转换为索引值，从而得到索引序列，其中，所述工控协议数据流包括第一数量个十六进制数，所述索引序列包括第二数量个索引值，其中，所述第一数量为所述第二数量的2倍；

基于所述预训练模型，将所述索引序列转换为第一特征向量序列；

基于所述自编码网络，将所述第一特征向量序列转换为第二特征向量序列并进行损失计算，从而对所述工控协议数据异常检测模型进行训练，

其中，所述基于所述组合编码模块，将所述工控协议数据流中的每两个相邻的十六进制数绑定为组合码，并将组合码转换为索引值，从而得到索引序列的步骤包括：

通过将所述工控协议数据流中的每两个相邻的十六进制数绑定为组合码，得到样本序列，其中，所述样本序列包括第二数量个组合码；基于预设的索引词典库，将所述样本序列中的组合码转换为索引值，从而将所述样本序列转换为索引序列，其中，所述索引词典库中的每个索引值各自对应一个组合码，

其中，所述基于所述预训练模型，将所述索引序列转换为第一特征向量序列的步骤包括：

基于所述预训练模型，将所述索引序列中的索引值转换为特征向量，从而将所述索引序列转换为第一特征向量序列，其中，每个索引值各自转换为预设维度的特征向量，所述第一特征向量序列包括第二数量个特征向量。

2.如权利要求1所述的训练方法，其特征在于，所述索引词典库包括256种索引值与组合码的对应关系。

3.如权利要求1所述的训练方法，其特征在于，所述基于所述自编码网络，将所述第一特征向量序列转换为第二特征向量序列并进行损失计算，从而对所述工控协议数据异常检测模型进行训练的步骤包括：

基于所述自编码网络，将所述第一特征向量序列中的每个特征向量进行降维压缩和解码还原，从而得到第二特征向量序列，其中，所述第二特征向量序列包括第二数量个预设维度的特征向量；

基于所述第一特征向量序列和所述第二特征向量序列，对所述工控协议数据异常检测模型进行损失计算。

4.如权利要求3所述的训练方法，其特征在于，所述自编码网络包括编码器和解码器，其中，所述基于所述自编码网络，将所述第一特征向量序列中的每个特征向量进行降维压缩和解码还原，从而得到第二特征向量序列的步骤包括：

基于所述编码器，将所述第一特征向量序列中的每个特征向量进行降维压缩；

基于所述解码器，将降维压缩后的每个特征向量进行解码还原，从而得到第二特征向量序列。

5.如权利要求4所述的训练方法，其特征在于，所述基于所述自编码网络，将所述第一特征向量序列转换为第二特征向量序列并进行损失计算，从而对所述工控协议数据异常检测模型进行训练的步骤还包括：

基于所述损失计算的结果，调整所述预训练模型和所述自编码网络的参数，从而使所述工控协议数据异常检测模型输出的所述第二特征向量序列满足预设要求。

6.一种工控协议数据的异常检测方法，其特征在于，所述异常检测方法包括：

获取待检测的工控协议数据流，其中，所述待检测的工控协议数据流是以十六进制表示的数据；

将所述待检测的工控协议数据流作为输入，利用如权利要求1至5中任一项所述的训练方法得到的工控协议数据异常检测模型进行损失计算；

基于所述损失计算得到的损失值大于预设阈值，确定所述待检测的工控协议数据流是异常数据流。