一种基于工控信号的控制功能分类方法及系统技术方案

一种基于工控信号的控制功能分类方法，包括：S1、基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号；S2、基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；S3、基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。实施本发明专利技术的基于工控信号的控制功能分类方法、系统以及计算机可读存储介质，通过基于第一训练模型和异常分类判定条件生成的第二训练模型，除了能够识别分类方案中的工控信号外，还可以将未列出的工控信号识别为异常信号，因此提高了工控信号的识别准确率和适用范围。

A Classification Method and System of Control Function Based on Industrial Control Signal

A control function classification method based on industrial control signal includes: S1. Classification scheme based on industrial control signal generates classified signal set and trains the classified signal set to obtain the first training model, and generates a second classified signal different from the classified signal set; S2. Test the second classified signal based on the first training model to obtain abnormal classification criteria; A second training model for determining normal classification and abnormal classification is generated based on the first training model and the abnormal classification determination condition. The control function classification method, system and computer readable storage medium based on industrial control signal of the present invention can recognize the industrial control signal not listed in the classification scheme as the abnormal signal by the second training model generated based on the first training model and the abnormal classification judgment condition, thus improving the recognition accuracy of industrial control signal. Accuracy and scope of application.

【技术实现步骤摘要】
一种基于工控信号的控制功能分类方法及系统
本专利技术涉及信号检测领域，更具体地说，涉及一种基于工控信号的控制功能分类方法及系统。
技术介绍
随着对工控安全的要求越来越高，现有的工控安全检测都实现在网络协议检测层面，无论在网络协议层面构建何种程度的保护，都无法避免各种层出不穷的网络攻击手段的侵入。工控设备物理信号层无疑是最根本的检测基础，建立在信号层的检测手段是更为可靠的一种检测方法。然而不同类别的工控信号对应的功能也不同，因此通常需要对工控信号的控制功能进行分类。然后现有的分类技术只能对工控信号的采集样本中标注了分类标签的那些工控信号进行分类。然而在实际应用中，很难穷举所有的样本的类型。因此，未被列入的工控信号将在测试时降低分类识别的准确率，从而造成对工控信号的识别准确率低，适用范围小。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种识别准确率高，适用范围广的基于工控信号的控制功能分类方法。本专利技术解决其技术问题所采用的技术方案是：构造一种基于工控信号的控制功能分类方法，包括：S1、基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号；S2、基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；S3、基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。在所述的基于工控信号的控制功能分类方法中，所述步骤S1进一步包括：S11、将工控信号按照其功能进行分类以得到工控信号指令集，并激励所述工控信号指令集以生成分类信号集；S12、训练所述分类信号集以获得所述第一训练模型；S13、制造不同于所述工控信号指令集的新类指令，并激励所述新类指令以获得第二分类信号。在所述的基于工控信号的控制功能分类方法中，所述步骤S11进一步包括：S111、将工控信号按照工控设备说明书列出的功能导入；S112、基于所述工控信号的功能选择工控信号并为其设定分类标签以对所述工控信号进行分类以生成所述工控信号指令集；S113、激励所述工控信号指令集并录制产生的具有分类标签的信号数据以生成所述分类信号集。在所述的基于工控信号的控制功能分类方法中，在所述步骤S12中，采用LinearSVM训练所述分类信号集以获得所述第一训练模型。在所述的基于工控信号的控制功能分类方法中，所述步骤S2进一步包括：S21、测试所述第二分类信号在所述第一训练模型中的各个分类的分类概率；S22、将所述第二分类信号的最大分类概率和最小分类概率的比值作为所述异常分类判定条件。在所述的基于工控信号的控制功能分类方法中，进一步包括：S4、基于所述第二训练模型测试新的工控信号以将其划分为属于第一训练模型中的各个分类或异常分类。本专利技术进一步涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述的基于工控信号的控制功能分类方法。本专利技术进一步涉及一种基于工控信号的控制功能分类系统，包括：分类模块，基于工控信号的分类方案生成分类信号集且生成不同于所述分类信号集的第二分类信号；第一训练模块，用于训练所述分类信号集以得到第一训练模型；测试模块，用于基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；第二训练模块，用于基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。在本专利技术所述的基于工控信号的控制功能分类系统中，所述分类模块进一步包括：导入单元，用于将工控信号按照工控设备说明书列出的功能导入；分类单元，用于基于所述工控信号的功能选择工控信号并为其设定分类标签以对所述工控信号进行分类以生成工控信号指令集；激励单元，用于激励所述工控信号指令集并录制产生的具有分类标签的信号数据以生成所述分类信号集。在本专利技术所述的基于工控信号的控制功能分类系统中，所述测试模块进一步包括：概率测试单元，用于测试所述第二分类信号在所述第一训练模型中的各个分类的分类概率；条件生成单元，用于将所述第二分类信号的最大分类概率和最小分类概率的比值作为所述异常分类判定条件。实施本专利技术的基于工控信号的控制功能分类方法、系统以及计算机可读存储介质，通过基于第一训练模型和异常分类判定条件生成的第二训练模型，除了能够识别分类方案中的工控信号外，还可以将未列出的工控信号识别为异常信号，因此提高了工控信号的识别准确率和适用范围。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术的基于工控信号的控制功能分类方法的第一实施例的流程图；图2是本专利技术的基于工控信号的控制功能分类方法的第二实施例的流程图；图3是本专利技术的基于工控信号的控制功能分类系统的第一实施例的原理框图；图4是本专利技术的基于工控信号的控制功能分类系统的第一实施例的原理框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术涉及一种基于工控信号的控制功能分类方法，包括：S1、基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号；S2、基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；S3、基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。本专利技术的基于工控信号的控制功能分类方法，能够通过基于第一训练模型和异常分类判定条件生成的第二训练模型，除了能够识别分类方案中的工控信号外，还可以将未列出的工控信号识别为异常信号，因此提高了工控信号的识别准确率和适用范围。图1是本专利技术的基于工控信号的控制功能分类方法的第一实施例的流程图。如图1所示，在步骤S1中，基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号。在本专利技术的一个优选实施例中，可以先将工控信号按照其功能进行分类以得到工控信号指令集。然后激励所述工控信号指令集以生成分类信号集。随后可以训练所述分类信号集以获得所述第一训练模型。在本专利技术的优选实施例中，可以采用本领域中已知的任何线性模型，例如LinearSVM来进行训练。对于多分类问题，可以采用OVR处理方式，而不使用核函数和软间隔。当然，在本专利技术的其他优选实施例中，还可以采用其他的模型。本专利技术不受具体的模型的限制。随后制造不同于所述工控信号指令集的新类指令，并激励所述新类指令以获得第二分类信号。例如，可以先制造一个不同于所述工控信号指令集中任何类型的工控信号的一个新类指令。然后激励该新类指令，从而获得第二分类信号。本领域技术人员知悉，在本专利技术中，所述第一训练模型和所述第二分类信号的生成步骤可以同时实施，也可以按照任何顺序实施，本专利技术在此不受其实施时间的显示。在步骤S2中，基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件。在本专利技术的一个优选实施例中，可以先测试所述第二分类信号在所述第一训练模型中的各个分类的分类概率。如果所述第二分类信号是正常分类，其必然属于所述第一训练模型中的一个分类，那么对于该对应那个分类，所述第二分类信号是接近本文档来自技高网...

【技术保护点】
1.一种基于工控信号的控制功能分类方法，其特征在于，包括：S1、基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号；S2、基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；S3、基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。

【技术特征摘要】
1.一种基于工控信号的控制功能分类方法，其特征在于，包括：S1、基于工控信号的分类方案生成分类信号集并训练所述分类信号集以得到第一训练模型，且生成不同于所述分类信号集的第二分类信号；S2、基于所述第一训练模型测试所述第二分类信号以获得异常分类判定条件；S3、基于所述第一训练模型和所述异常分类判定条件生成用于判定正常分类和异常分类的第二训练模型。2.根据权利要求1所述的基于工控信号的控制功能分类方法，其特征在于，所述步骤S1进一步包括：S11、将工控信号按照其功能进行分类以得到工控信号指令集，并激励所述工控信号指令集以生成分类信号集；S12、训练所述分类信号集以获得所述第一训练模型；S13、制造不同于所述工控信号指令集的新类指令，并激励所述新类指令以获得第二分类信号。3.根据权利要求2所述的基于工控信号的控制功能分类方法，其特征在于，所述步骤S11进一步包括：S111、将工控信号按照工控设备说明书列出的功能导入；S112、基于所述工控信号的功能选择工控信号并为其设定分类标签以对所述工控信号进行分类以生成所述工控信号指令集；S113、激励所述工控信号指令集并录制产生的具有分类标签的信号数据以生成所述分类信号集。4.根据权利要求3所述的基于工控信号的控制功能分类方法，其特征在于，在所述步骤S12中，采用LinearSVM训练所述分类信号集以获得所述第一训练模型。5.根据权利要求1-4中任意一项所述的基于工控信号的控制功能分类方法，其特征在于，所述步骤S2进一步包括：S21、测试所述第二分类信号在所述第一训练模型中的各个分类的分类概率；S22、将所述第二分类信号的最大分类概率...

【专利技术属性】
技术研发人员：戚建淮，赖武光，宋晶，郑伟范，
申请(专利权)人：深圳市永达电子信息股份有限公司，
类型：发明
国别省市：广东,44