本發(fā)明屬于電子信息控制鏈路檢測，具體是指基于電子信息控制鏈路的異常智能檢測方法。
背景技術(shù)：
1、隨著工業(yè)互聯(lián)網(wǎng)、智能電網(wǎng)、軌道交通及航空航天等關(guān)鍵信息物理系統(tǒng)的深度演進，電子信息控制鏈路已成為現(xiàn)代復(fù)雜控制系統(tǒng)的核心神經(jīng)網(wǎng)絡(luò)；其典型架構(gòu)由應(yīng)用層指令生成、通信層協(xié)議調(diào)度、物理層節(jié)點執(zhí)行構(gòu)成，呈現(xiàn)出強時序性、高耦合性、多跳拓?fù)渑c語義驅(qū)動等特征；在該類系統(tǒng)中，控制指令以操作碼序列形式逐跳傳遞，經(jīng)路由轉(zhuǎn)發(fā)、節(jié)點解析、動作執(zhí)行等環(huán)節(jié)完成閉環(huán)控。
2、但現(xiàn)有電子信息控制鏈路的異常智能檢測方法還存在一定的缺陷，現(xiàn)有技術(shù)依賴靜態(tài)閾值或簡單規(guī)則，無法適應(yīng)網(wǎng)絡(luò)動態(tài)負(fù)載變化，導(dǎo)致大量正常波動被誤判為異常，僅分析單條鏈路的熵值，忽略鏈路間振蕩耦合關(guān)系，無法發(fā)現(xiàn)攻擊者通過多鏈路協(xié)同操控的隱蔽攻擊模式，僅監(jiān)控物理層執(zhí)行狀態(tài)，未關(guān)聯(lián)應(yīng)用層控制意圖，導(dǎo)致惡意指令注入等攻擊無法被精準(zhǔn)識別，使用固定基準(zhǔn)模型，無法隨網(wǎng)絡(luò)拓?fù)浠蛄髁孔兓瘎討B(tài)調(diào)整，導(dǎo)致檢測靈敏度隨環(huán)境變化而下降，為此，提出基于電子信息控制鏈路的異常智能檢測方法。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的在于提供基于電子信息控制鏈路的異常智能檢測方法，以解決上述背景技術(shù)中提出的問題。
2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于電子信息控制鏈路的異常智能檢測方法，包括以下步驟：
3、s1、根據(jù)控制指令序列，通過融合語義、時序、拓?fù)淙S熵值，構(gòu)建整個網(wǎng)絡(luò)的動態(tài)信息熵場；
4、s2、基于動態(tài)信息熵場，通過分析歷史正常數(shù)據(jù)，建立單條鏈路的熵衰減基準(zhǔn)模型；
5、s3、結(jié)合動態(tài)信息熵場與熵衰減基準(zhǔn)模型，通過計算熵序列的時頻相干性，挖掘跨鏈路熵振蕩耦合關(guān)聯(lián)圖；
6、s4、基于跨鏈路熵振蕩耦合關(guān)聯(lián)圖，通過定義并搜尋特定模式，提取異常振蕩模式；
7、s5、融合熵衰減基準(zhǔn)模型與提取的異常振蕩模式，通過比較應(yīng)用層意圖與物理層執(zhí)行的反推熵軌跡，計算意圖與執(zhí)行之間的熵軌跡偏離度；
8、s6、整合單鏈路熵傳播畸變指數(shù)、異常振蕩模式與熵軌跡偏離度，生成綜合異常置信度及根因假設(shè)；
9、s7、根據(jù)生成的異常置信度及確認(rèn)的異常事件優(yōu)化。
10、優(yōu)選的，所述s1中，從控制系統(tǒng)中提取完整的控制指令序列，包括每條指令的操作碼、時間戳、源節(jié)點標(biāo)識和目的節(jié)點標(biāo)識，對指令序列進行時間對齊和完整性檢查，根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，識別所有參與控制的節(jié)點及其交互關(guān)系；提取指令序列中的操作碼分布，統(tǒng)計每個操作碼在時間窗口內(nèi)的出現(xiàn)頻率，計算每個操作碼在窗口內(nèi)的相對頻率p(op)，通過信息熵計算語義維度熵值；提取指令序列中連續(xù)指令間的時間間隔，構(gòu)建時間間隔分布，計算每個時間間隔的相對頻率p(t)，通過信息熵計算時序維度熵值；將語義維度熵和時序維度熵進行融合，實現(xiàn)為：
11、，
12、在公式中，表示語義-時序耦合熵，e表示自然對數(shù)的底數(shù)，k表示時序敏感度系數(shù)，表示當(dāng)前指令與前一指令的時間間隔，表示正常時序基準(zhǔn)值。
13、優(yōu)選的，所述s1中，從指令序列中提取源節(jié)點與目的節(jié)點的交互對，構(gòu)建節(jié)點交互關(guān)系矩陣，計算每對節(jié)點間交互的相對頻率，通過信息熵計算拓?fù)潇兀瑢崿F(xiàn)為：
14、，
15、在公式中，表示衰減拓?fù)潇兀趎跳節(jié)點的衰減拓?fù)潇兀硎镜趎跳節(jié)點的原始拓?fù)潇兀琻表示網(wǎng)絡(luò)跳數(shù)，表示距離衰減系數(shù)，表示第i跳節(jié)點到源節(jié)點的距離，表示網(wǎng)絡(luò)最大跳數(shù)，表示從第1跳到第n跳的衰減因子相乘；
16、將所有時間窗口的動態(tài)信息熵向量按時間順序排列，形成時序序列，構(gòu)建整個控制網(wǎng)絡(luò)的動態(tài)信息熵場，實現(xiàn)為：
17、，
18、在公式中，表示動態(tài)信息熵場，i表示時間維度索引，j表示節(jié)點維度索引，k表示跳數(shù)維度索引，表示變化率差異懲罰系數(shù)，表示語義-時序耦合熵的時間導(dǎo)數(shù)，表示衰減拓?fù)潇氐臅r間導(dǎo)數(shù)，拓?fù)潇氐淖兓省?/p>
19、優(yōu)選的，所述s2中，從控制系統(tǒng)歷史數(shù)據(jù)庫中提取大量正常運行的控制鏈路數(shù)據(jù)，對每條鏈路的控制指令序列進行時間對齊，從動態(tài)信息熵場中提取鏈路在不同時間點的熵值序列，設(shè)距離衰減因子為，構(gòu)建熵衰減基準(zhǔn)模型，實現(xiàn)為：
20、，
21、在公式中，表示熵衰減基準(zhǔn)模型，第n跳節(jié)點的基準(zhǔn)熵值，表示第n跳節(jié)點到源節(jié)點的距離，網(wǎng)絡(luò)最大跳數(shù)，表示距離衰減系數(shù)，t表示時間窗口數(shù)量。
22、優(yōu)選的，所述s3中，獲取動態(tài)信息熵場，從動態(tài)信息熵場，對每條獨立控制鏈路提取鏈路的熵值序列；從熵衰減基準(zhǔn)模型中獲取鏈路的基準(zhǔn)熵序列，對每一對控制鏈路，計算時頻相干性，實現(xiàn)為
23、，
24、在公式中，表示鏈路i與鏈路j在頻率f、時間t的時頻相干性，表示傅里葉變換，表示鏈路的實際熵值與基準(zhǔn)熵值的偏差序列，為。
25、優(yōu)選的，所述s3中，獲取時頻相干性，每條控制鏈路為跨鏈路熵振蕩耦合關(guān)聯(lián)圖中的節(jié)點，構(gòu)建初始跨鏈路熵振蕩耦合關(guān)聯(lián)圖，對每對鏈路計算綜合相關(guān)性權(quán)重，實現(xiàn)為：
26、，
27、在公式中，表示鏈路i與鏈路j間的耦合關(guān)聯(lián)權(quán)重，分別表示最小頻率和最大頻率，表示鏈路i與鏈路j在頻率f、時間t的相位差，表示時間窗口長度，df表示頻率微分元素，dt表示時間微分元素；預(yù)設(shè)相干性閾值，過濾弱相關(guān)鏈路對。
28、優(yōu)選的，所述s4中，基于跨鏈路熵振蕩耦合關(guān)聯(lián)圖，預(yù)設(shè)三種核心異常模式的量化標(biāo)準(zhǔn)：
29、熵鎖死振蕩：要求鏈路間耦合權(quán)重大于預(yù)設(shè)閾值且相位差，同時振蕩頻率在典型控制頻率范圍內(nèi)持續(xù)超過預(yù)設(shè)周期；
30、熵反射振蕩：要求鏈路間耦合權(quán)重大于預(yù)設(shè)閾值且相位差反向；
31、熵吸引子突變：要求某節(jié)點的連接度在時間窗口內(nèi)突增超過預(yù)設(shè)值，且其振蕩模式主導(dǎo)周圍節(jié)點的相位變化；
32、遍歷關(guān)聯(lián)圖中所有可能的節(jié)點子集，應(yīng)用模式特征匹配：
33、對于熵鎖死振蕩：檢測完全連通子圖，其中所有邊滿足同相條件；
34、對于熵反射振蕩：檢測包含"鏡像對"的鏈路對；
35、對于熵吸引子突變：識別連接度突變的中心節(jié)點，并分析其與鄰居節(jié)點的相位傳播路徑；
36、在時間序列上滑動窗口，檢測模式的持續(xù)性和演變趨勢，檢查匹配模式是否與熵衰減基準(zhǔn)模型一致，對于每種檢測到的模式，提取異常振蕩模式，每個異常振蕩模式分配唯一標(biāo)識符。
37、優(yōu)選的，所述s5中，從應(yīng)用層控制指令序列中提取核心意圖信息，基于操作碼分布計算語義熵序列，通過語義維度熵值，構(gòu)建意圖熵軌跡，反映預(yù)期控制行為的熵狀態(tài)，從物理層反饋數(shù)據(jù)中提取實際執(zhí)行信息，基于動態(tài)信息熵場，反推執(zhí)行熵軌跡，反映實際控制鏈路的熵狀態(tài)，通過熵衰減基準(zhǔn)模型校準(zhǔn)反推結(jié)果，消除正常熵衰減的干擾，調(diào)用提取的異常振蕩模式，作為軌跡匹配的修正因子，對不同模式的調(diào)整策略：
38、若檢測到熵反射振蕩：在軌跡對齊時，將執(zhí)行軌跡按相位滯后時間平移，匹配意圖軌跡的預(yù)期時序；
39、若檢測到熵鎖死振蕩：在軌跡比較時，增強同相振蕩區(qū)域的權(quán)重，避免誤判為異常；
40、若檢測到熵吸引子突變：聚焦核心節(jié)點的熵振蕩，調(diào)整軌跡匹配的局部權(quán)重；
41、通過動態(tài)時間規(guī)整對齊意圖軌跡與調(diào)整后的執(zhí)行軌跡，并加權(quán)計算綜合偏離度，實現(xiàn)為：
42、，
43、在公式中，表示熵軌跡偏離度，表示應(yīng)用層意圖熵偏差，表示物理層執(zhí)行熵偏差，表示熵衰減基準(zhǔn)模型的波動標(biāo)準(zhǔn)差，表示異常振蕩模式的振幅強度，表示異常模式敏感系數(shù)。
44、優(yōu)選的，所述s6中，獲取每條控制鏈路的熵傳播畸變指數(shù)，提取已確認(rèn)的異常振蕩模式及其關(guān)鍵參數(shù)，獲取熵軌跡偏離度及時間序列，將所有數(shù)據(jù)按時間戳對齊，基于歷史異常案例庫動態(tài)分配權(quán)重，對每個時間點計算綜合異常置信度，基于輸入模式生成根因假設(shè)：
45、高熵傳播畸變、無異常振蕩、高熵軌跡偏離：假設(shè)為單鏈路配置錯誤；
46、高熵傳播畸變、熵反射振蕩、高熵軌跡偏離：假設(shè)為惡意指令注入；
47、低熵傳播畸變、熵鎖死振蕩、低熵軌跡偏離：假設(shè)為網(wǎng)絡(luò)擁塞；
48、高熵傳播畸變、熵吸引子突變、高熵軌跡偏離：假設(shè)為核心節(jié)點被劫持；
49、根據(jù)歷史案例庫相似度進行排序。
50、優(yōu)選的，所述s7中，輸出的根因假設(shè)中，篩選置信度大于等于預(yù)設(shè)閾值的事件，建立預(yù)定義的優(yōu)化策略庫，與根因假設(shè)對應(yīng)，對高影響事件采用最小影響策略，若優(yōu)化后熵傳播畸變指數(shù)下降大于預(yù)設(shè)閾值，則保留當(dāng)前策略；若效果不顯著，則觸發(fā)策略庫中的備用方案；若優(yōu)化后s2的熵衰減基準(zhǔn)模型發(fā)生系統(tǒng)性變化，則重新訓(xùn)練熵衰減基準(zhǔn)模型；優(yōu)化后的新數(shù)據(jù)實時輸入s1，生成更新的動態(tài)信息熵場。
51、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
52、1、本發(fā)明通過構(gòu)建多維動態(tài)信息熵場、建立熵衰減基準(zhǔn)模型、挖掘跨鏈路熵振蕩耦合關(guān)聯(lián)圖、提取異常振蕩模式、計算熵軌跡偏離度、生成綜合異常置信度及根因假設(shè)、閉環(huán)優(yōu)化策略全流程體系，實現(xiàn)了從單點異常到協(xié)同攻擊的全面檢測，通過多維度熵值融合、動態(tài)基準(zhǔn)建模、跨鏈路關(guān)聯(lián)分析、意圖-執(zhí)行軌跡對比等創(chuàng)新手段，顯著提升了異常檢測的準(zhǔn)確性、降低了誤報率，并能主動適應(yīng)新型攻擊模式；
53、2、本發(fā)明通過傅里葉變換計算鏈路熵偏差的時頻相干性，精準(zhǔn)捕捉跨鏈路振蕩模式；通過相位差計算區(qū)分同相與反相振蕩，揭示攻擊者操控的協(xié)同模式，而非簡單強度關(guān)聯(lián)；以鏈路為節(jié)點、相干性為邊構(gòu)建關(guān)聯(lián)圖，可視化跨鏈路振蕩耦合關(guān)系；通過預(yù)設(shè)相干性閾值與相位關(guān)系標(biāo)注，剔除弱相關(guān)鏈路，確保關(guān)聯(lián)圖聚焦于真實異常模式，降低誤報風(fēng)險；
54、3、本發(fā)明通過定義并搜尋特定異常振蕩模式，明確熵鎖死、熵反射、熵吸引子突變?nèi)N核心模式的量化條件，實現(xiàn)模式檢測的可計算化；通過遍歷關(guān)聯(lián)圖子集與時間滑動窗口，實時檢測模式的持續(xù)性與演變趨勢，避免靜態(tài)規(guī)則匹配的滯后性；結(jié)合熵衰減基準(zhǔn)模型排除正常耦合模式，確保僅保留真實攻擊特征，提升模式檢測的可靠性；
55、4、本發(fā)明通過應(yīng)用層指令的操作碼分布生成意圖熵軌跡，反映預(yù)期控制行為，為物理層執(zhí)行提供對比基準(zhǔn)；結(jié)合動態(tài)信息熵場與熵衰減基準(zhǔn)模型校準(zhǔn)執(zhí)行熵軌跡，消除正常衰減干擾，精準(zhǔn)定位異常執(zhí)行點；對不同異常振蕩模式調(diào)整軌跡對齊策略，避免誤判為正常波動；通過動態(tài)時間規(guī)整算法對齊意圖與執(zhí)行軌跡，綜合評估幅度、相位、時間一致性，顯著提升偏離度計算的精確性。