【技术实现步骤摘要】
基于边缘计算的物联网弱电磁干扰攻击检测方法及系统
本专利技术涉及工业物联网领域，具体地涉及一种工业物联网的弱电磁攻击检测方法及一种工业物联网的弱电磁攻击检测系统。
技术介绍
当前智能化的工业生产离不开工业物联网的支持，工业物联网对数据的可靠性和安全性有着非常高的要求，一旦工业物联网系统中的数据被篡改，将影响产品的质量控制，甚至造成重大事故。在一个智能设备中，数据采集到传输的过程包括：感知模块将物理量转换为模拟电信号，然后通过信号线将所述信号发送到采样模块MCU模块，MCU模块接收数据并执行安全处理(所述安全操作包括加密和验证)，经过安全处理后的数据通过网关发送到云服务器。目前，从MCU到云服务器的过程具有完善的机制来确保数据安全。但是，从感知模块到MCU的过程几乎没有确保数据安全的安全验证方法。目前电磁干扰威胁着所有电子产品，攻击者可以利用电磁干扰修改感测数据并欺骗MCU做出错误决定，电磁干扰攻击可分为强电磁干扰攻击和弱电磁干扰攻击。在工业现场，攻击者可以通过特定的电磁干扰设备更改信号线上的电压，以达...
【技术保护点】
1.一种基于边缘计算的工业物联网弱电磁干扰攻击检测方法，所述工业物联网包括被控设备、智能设备和服务器，所述智能设备包括感知模块和MCU，感知模块的感测数据传输至MCU进行处理，所述检测方法包括：/n从感知模块传输至MCU的感测数据中提取智能设备的噪声指纹作为样本，其中在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹，以建立噪声指纹样本库，其中M≥5000；/n建立FEU-LSTM融合模型，所述FEU-LSTM融合模型包括基于卷积神经网络的FEU模型和时间循环神经网络LSTM模型；/n从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU-LSTM融...
【技术特征摘要】
1.一种基于边缘计算的工业物联网弱电磁干扰攻击检测方法，所述工业物联网包括被控设备、智能设备和服务器，所述智能设备包括感知模块和MCU，感知模块的感测数据传输至MCU进行处理，所述检测方法包括：
从感知模块传输至MCU的感测数据中提取智能设备的噪声指纹作为样本，其中在无弱电磁干扰攻击和有弱电磁干扰攻击两种状态下，分别提取M份长度为T的噪声指纹，以建立噪声指纹样本库，其中M≥5000；
建立FEU-LSTM融合模型，所述FEU-LSTM融合模型包括基于卷积神经网络的FEU模型和时间循环神经网络LSTM模型；
从噪声指纹样本库中随机抽取P份噪声指纹输入到FEU-LSTM融合模型进行Q次Epoch迭代，完成FEU-LSTM融合模型训练，其中P≥125,Q≥30；
在执行攻击检测过程中，将从感知模块传输至MCU的感测数据中实时读取的长度为T的设备噪声指纹输入至训练后的FEU-LSTM融合模型，根据训练后的FEU-LSTM融合模型的输出结果判断智能设备是否受到弱电磁干扰攻击。
2.根据权利要求1所述的检测方法，其特征在于，提取长度为T的噪声指纹，包括：
采用滑动窗口技术和卡尔曼算法从感知模块传输至MCU的感测数据中提取长度为T的噪声指纹。
3.根据权利要求1所述的检测方法，其特征在于，所述FEU-LSTM融合模型还包括：平均池化层、全连接层和Softmax函数；
首先把所述长度为T的噪声指纹输入FEU模型进行指纹特征提取，所述FEU模型输出的指纹特征经过平均池化层处理后输入到LSTM模型，LSTM模型输出的指纹特征经过全连接层后输入给Softmax函数处理。
4.根据权利要求3所述的检测方法，其特征在于，所述FEU模型具有第一卷积层、第二卷积层和第三卷积层；
所述第一卷积层的输入数据维为[T，1]，卷积核为3×32，输出数据维为[T，32]；
所述第二个卷积层的输入数据维为[T，32]，卷积核为3...
【专利技术属性】
技术研发人员：方凯，王丽娜，周小龙，杨明霞，
申请(专利权)人：衢州学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。