一种工业互联网的业务流量训练方法技术

本发明专利技术公开了一种工业互联网的业务流量训练方法，包括：确定业务流量的多个检查点及多个检查点待检测的流量特征；针对各检查点用主成分分析方法确认主要流量特征；依据主要流量特征计算已选主要流量的信息熵；依据检查点及信息熵进行网络过滤训练。本发明专利技术的有益效果：通过确定业务流量的多个检查点及各检查点待检测的流量特征，并对各检查点采用主成分分析法筛选出影响流量的最主要的特征，对这些主要特征计算出相对应的信息熵，并根据历史流量信息熵的取值集合，通过判断多个检查点流量主要特征信息熵取值是否被包括在历史流量信息熵取值集合中来判断流量是否正常，从而避免工业物联网关键设备遭受网络威胁。业物联网关键设备遭受网络威胁。业物联网关键设备遭受网络威胁。

【技术实现步骤摘要】
一种工业互联网的业务流量训练方法


[0001]本专利技术涉及网络安全
，更具体地说，涉及一种工业互联网的业务流量训练方法。

技术介绍

[0002]传统工业网络较为封闭，缺乏整体安全管理防护体系，如各类工业控制协议、控制平台及软件本身设计架构缺乏完整的安全验证手段，如数据完整性、身份校验等安全设计，授权与访问控制不严格，身份验证不充分，而各类创新型工业应用软件所面临的病毒、木马、漏洞等安全问题使原来相对封闭的工业网络暴露在互联网上，增大了工业物联网IT系统被攻击利用的风险。各种网络攻击及威胁的共同点，也即异常的网络业务流量，因此需要一种针对异常网络流量的识别及训练方法，以避免工业物联网关键设备遭受网络威胁。

技术实现思路

[0003]本专利技术提供了一种工业互联网的业务流量训练方法，解决现有工业网络较为封闭，缺乏整体安全管理防护体系的问题。
[0004]为解决上述问题，一方面，本专利技术提供一种工业互联网的业务流量训练方法，包括：
[0005]确定业务流量的多个检查点及多个检查点待检测的流量特征；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业互联网的业务流量训练方法，其特征在于，包括：确定业务流量的多个检查点及多个检查点待检测的流量特征；针对各检查点用主成分分析方法确认主要流量特征；依据主要流量特征计算已选主要流量的信息熵；依据检查点及信息熵进行网络过滤训练。2.根据权利要求1所述的工业互联网的业务流量训练方法，其特征在于，所述确定业务流量的多个检查点及多个检查点待检测的流量特征，包括：从业务流量中按照预设的时间间隔提取出多个检查点；对每个检查点选择多个待检测的流量特征。3.根据权利要求2所述的工业互联网的业务流量训练方法，其特征在于，所述流量特征包括：源IP地址、目的IP地址、服务器端口号、客户端端口号、流记录帧数、流持续时间、出/入向报文总数、出/入向字节总数、最大/最小/平均流中包到达时间间隔、流中包到达时间间隔的最小值、流中包到达时间间隔的第一四分位数、流中包到达时间间隔的中位数、流中包到达时间间隔的第三四分位数、流中包到达时间间隔的方差、流量应用类型、某IP地址在检测时间间隔内出现的次数。4.根据权利要求2所述的工业互联网的业务流量训练方法，其特征在于，所述针对各检查点用主成分分析方法确认主要流量特征，包括：构造流量的特征矩阵，并对其进行归一化处理；通过特征变换获取所述特征矩阵的主成分特征；通过信息阈值筛选出所需选择的主成分特征。5.根据权利要求4所述的工业互联网的业务流量训练方法，其特征在于，所述构造流量的特征矩阵，并对其进行归一化处理，包括：对所述时间间隔划分出k个检查区间；在k个检查区间中对业务流量进行特征采样统计，并将获得的采样值组成列向量，其中第j个检查时间间隔的列向量为：y
′
j
＝[y
1,j
,y
2,j
,...,y
k,j
]
T
其中，j＝1,2,...,k；将k个列向量组成矩阵Y
′
＝[y
′1,y
′2,...,y
′
k
]；对矩阵Y
′
归一化处理以获得矩阵Y＝[y1,y2,...,y2]。6.根据权利要求5所述的工业互联网的业务流量训...

【专利技术属性】
技术研发人员：戚建淮，刘航，崔宸，胡金华，徐国前，唐娟，
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：