[发明专利]基于流量特征图和感知哈希的工业互联网入侵检测方法

摘要

基于流量特征图和感知哈希的工业互联网入侵检测方法，主要解决现有工业互联网入侵检测方法检测性能不高、自适应性差的问题。本发明借鉴图像处理的方法，首先获取标准测试床实验数据集，采用信息熵方法进行特征选择构建流量特征向量，并对部分属性进行归一化操作；然后使用多元相关性分析方法将流量特征向量转化为三角形面积映射矩阵构建流量特征图；最后利用基于离散余弦变换SVD和奇异值分解SVD的图像感知哈希算法，获取流量特征图哈希摘要，产生二进制字符串形式入侵检测规则集。并采用基于字符串的精准匹配、基于归一化汉明距的相似性度量和基于欧氏距的聚类分析三种方法进行哈希匹配，实现对工业互联网中异常流量和恶意入侵的检测。

主权项

1.基于流量特征图和感知哈希的工业互联网入侵检测方法，其特征在于，其步骤包括正常行为建模和感知哈希入侵检测两个阶段；/n(1)正常行为建模阶段：/n采用基于多元相关性分析的流量特征图技术，把工业互联网传统文本流量信息转化为流量特征图，将传统属性内关系研究转化到属性间关系，从不同角度挖掘流量特征，具体步骤如下：/n(1a)获取工业互联网现场网络的标准测试床实验数据集，对实验数据进行预处理操作，剔除残缺流量数据记录；/n(1b)计算实验数据各个属性的信息熵，并对各属性的信息熵进行递减排序，根据属性特征选取出重要的具有流量特征的属性特征集合；/n(1c)对特征选择后的工业互联网流量数据进行部分属性归一化操作，归一化到[0,255]之间；/n(1d)采用多元相关性分析方法，将实验数据中每条流量记录都映射到二维欧氏子空间上，通过三角形面积映射方法，计算实验数据的两两流量属性对应的三角形面积；/n(1e)构建完整三角形面积矩阵，输出对应的流量特征图TAM