【技术实现步骤摘要】
本专利技术涉及工控系统，更具体地说，涉及基于人工智能的工控机行为分析与异常检测系统。
技术介绍
1、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。
2、工控系统是指用于监控和控制工业过程的计算机系统，包括工控机、传感器、执行器设备，随着工业互联网的发展，工控系统的网络化和智能化程度不断提高，但也带来了新的安全挑战。工控机行为分析与异常检测系统基于人工智能的技术，可以对工控机的行为进行实时监测和分析，及早发现和识别异常行为，提高系统的安全性和可靠性。
技术实现思路
1、1.要解决的技术问题
2、针对现有技术中存在的问题，本专利技术的目的在于提供基于人工智能的工控机行为分析与异常检测系统，本专利技术在实现工控机行为的实时监测和分析的基础上，还可以识别出可能导致故障的行为特征，对系统的可靠性进行评估和改进。
3、2.技术方案
4、为解决上述问题，本专利技术采用如下的技术方案：
5、基于人工智能的工控机行为分析与异常检测系统，包括：
6、数据采集模块，所述数据采集模块用于从工控机中收集各种原始数据；
7、数据预处理模块，所述数据预处理模块用于对
8、特征提取模块，所述特征提取模块用于从所述数据预处理模块预处理的数据中提取有用的特征，所述特征提取模块可以提取能够反映工控机行为特征的有用信息；
9、行为建模模块，所述行为建模模块使用机器学习或深度学习技术对所述特征提取模块提取的特征进行训练，构建工控机的正常行为模型，所述行为建模模块用于对工控机行为进行建模和分析，并提供准确的行为模式和异常检测能力；
10、异常检测模块，所述异常检测模块通过比较实时数据与统计方法、机器学习方法或深度学习方法行为模型，检测出工控机中的异常行为；
11、报警与反馈模块，所述报警与反馈模块用于当所述异常检测模块检测到异常行为时，触发报警机制，向相关人员发送警报信息，同时可以将异常数据反馈给所述行为建模模块并进行模型更新；
12、所述数据采集模块、数据预处理模块、特征提取模块、行为建模模块、异常检测模块与报警与反馈模块之间均通过数据流动进行电性连接。
13、作为本专利技术的一种优选方案，所述数据采集模块包括：
14、系统日志采集单元，所述系统日志采集单元用于收集工控机操作系统的日志数据；
15、网络流量采集单元，所述网络流量采集单元用于负责监控和捕获工控机与其他设备之间的网络流量；
16、设备操作记录采集单元，所述设备操作记录采集单元用于记录和收集工控机与外部设备之间的交互操作；
17、安全日志采集单元，所述安全日志采集单元用于收集工控机的安全事件日志；
18、实时监测单元，所述实时监测单元用于实时监测工控机的状态。
19、作为本专利技术的一种优选方案，所述数据预处理模块包括：
20、数据清洗单元，所述数据清洗单元用于去除数据中的噪声、缺失值和异常值不规则数据；
21、数据格式转换单元，所述数据格式转换单元用于将采集到的原始数据转换为系统能够处理的格式；
22、数据归一化单元，所述数据归一化单元用于对所述特征选择单元选择的数据进行归一化处理并消除数据的尺度差异；
23、数据降维单元，所述数据降维单元用于数据维度过高时通过主成分分析降维技术将高维数据映射到低维空间；
24、数据平衡单元，所述数据平衡单元用于对数据集存在类别不平衡的情况，通过欠采样和过采样的方法对数据进行平衡处理。
25、作为本专利技术的一种优选方案，所述特征提取模块包括：
26、基础特征提取单元，所述基础特征提取单元用于从所述数据采集模块采集的原始数据中提取基础特征；
27、时序特征提取单元，所述时序特征提取单元用于提取时间相关的特征；
28、频域特征提取单元，所述频域特征提取单元用于提取频域相关的特征；
29、空间特征提取单元，所述空间特征提取单元用于提取空间相关的特征；
30、深度学习特征提取单元，所述深度学习特征提取单元利用卷积神经网络深度学习模型从所述数据采集模块采集的原始数据中学习高级特征表示；
31、领域知识特征提取单元，所述领域知识特征提取单元用于根据工控机行为分析与异常检测的特定领域知识，提取与工控机操作行为相关的特征。
32、作为本专利技术的一种优选方案，所述行为建模模块包括：
33、序列建模单元，所述序列建模单元将所述数据预处理模块和所述特征提取模块得到的序列数据进行建模并分析序列数据中的规律和模式；
34、图结构建模单元，所述图结构建模单元用于对工控机行为数据进行图结构建模并分析数据之间的关联和依赖关系；
35、混合建模单元，所述混合建模单元用于将序列建模单元和所述图结构建模单元建模相结合并使用图卷积网络对空间关系进行建模，再使用lstm对时间序列进行建模；
36、建模异常检测单元，所述建模异常检测单元用于根据建模结果，通过比较统计的方法、基于聚类的方法、基于分类的方法或基于深度学习的方法实际行为与模型预测的行为之间的差异，识别并检测异常行为；
37、行为分析模块，所述行为分析模块用于根据建模结果对工控机行为进行分析和解释，识别正常行为和异常行为的特征和模式。
38、作为本专利技术的一种优选方案，所述异常检测模块包括：
39、模型训练单元，所述模型训练单元使用提取的特征进行模型的训练，建立正常行为模型；
40、模型异常检测单元，所述模型异常检测单元使用训练好的模型对新的工控机行为数据进行异常检测，并根据训练的模型比较实际行为与模型预测的行为之间的差异来判断是否为异常行为；
41、故障诊断单元，所述故障诊断单元用于发现异常行为时，通过进一步分析异常行为的特征，诊断出可能的故障原因。
42、作为本专利技术的一种优选方案，所述报警与反馈模块包括：
43、报警触发单元，所述报警触发单元用于根据异常检测模块的输出结果，判断是否需要触发报警；
44、报警处理单元，所述报警处理单元用于接收所述报警触发单元发出的报警信号，并进行相应的处理。
45、作为本专利技术的一种优选方案，所述报警与反馈模块还包括：
46、信息反馈单元，所述信息反馈单元用于向异常检测模块提供反馈信息，其中反馈信息包括对于已检测异常行为的确认或修正和对于报警结果的评估调整；...
【技术保护点】
1.基于人工智能的工控机行为分析与异常检测系统，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述数据采集模块包括：
3.根据权利要求2所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述数据预处理模块包括：
4.根据权利要求3所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述特征提取模块包括：
5.根据权利要求4所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述行为建模模块包括：
6.根据权利要求5所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述异常检测模块包括：
7.根据权利要求6所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述报警与反馈模块包括：
8.根据权利要求7所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述报警与反馈模块还包括：
【技术特征摘要】
1.基于人工智能的工控机行为分析与异常检测系统，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述数据采集模块包括：
3.根据权利要求2所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述数据预处理模块包括：
4.根据权利要求3所述的基于人工智能的工控机行为分析与异常检测系统，其特征在于，所述特征提取模块包括：
5.根据权利要...
【专利技术属性】
技术研发人员：梁国春，杨宝刚，侯占英，梁玉龙，
申请(专利权)人：北京东方森太科技发展有限公司，
类型：发明
国别省市：
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。