买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京中新赛克科技有限责任公司;南京理工大学

摘要：本发明涉及一种动态安全基线建模方法，包括：收集工业互联网系统中的实时运行数据；基于所收集的实时运行数据，构建初始安全基线模型，所述初始安全基线模型包括正常运行状态下的系统参数和行为模式；对工业互联网系统进行实时监测，收集实时监测数据；将所述实时监测数据与初始安全基线模型进行比较，识别出偏离初始安全基线模型的异常数据；基于所识别出的异常数据，动态更新安全基线模型，以生成新的安全基线模型；将所述新的安全基线模型应用于工业互联网系统的安全监测与防护中，以实时检测和响应潜在的安全威胁。本发明通过动态更新安全基线模型，提高了对工业互联网系统中异常行为的检测和响应能力，增强了系统的安全性和稳定性。

主权项：1.动态安全基线建模方法，其特征在于，所述方法包括以下步骤：S101、收集工业互联网系统中的实时运行数据，所述实时运行数据包括网络流量数据、设备操作数据和用户行为数据；S102、基于所收集的实时运行数据，构建初始安全基线模型，所述初始安全基线模型包括正常运行状态下的系统参数和行为模式；S103、对工业互联网系统进行实时监测，收集实时监测数据，所述实时监测数据与所述实时运行数据相类似；S104、将所述实时监测数据与初始安全基线模型进行比较，识别出偏离初始安全基线模型的异常数据；S105、基于所识别出的异常数据，动态更新安全基线模型，以生成新的安全基线模型，所述新的安全基线模型反映系统在不同时间段和操作条件下的安全状态；S106、将所述新的安全基线模型应用于工业互联网系统的安全监测与防护中，以实时检测和响应潜在的安全威胁；S103中，所述对工业互联网系统进行实时监测，收集实时监测数据，包括：定时采集网络流量数据，并通过深度包检测进行内容分析；定时采集设备操作数据，并通过边缘计算进行初步处理和过滤；实时记录用户行为数据，利用行为分析模型识别潜在的异常操作；其中，S104中，所述将实时监测数据与初始安全基线模型进行比较，识别出偏离初始安全基线模型的异常数据，包括：利用多尺度分析方法，对实时监测数据进行频域和时域上的分解；通过计算实时监测数据与初始安全基线模型的欧氏距离，量化数据偏离程度；结合自适应阈值，识别出偏离初始安全基线模型的异常数据，并标记为潜在威胁；S105中，所述基于所识别出的异常数据，动态更新安全基线模型，包括：对异常数据进行多尺度分解，提取不同时间尺度下的异常特征；基于提取的不同时间尺度下的异常特征，按照如下的公式1，计算异常特征与初始安全基线模型中各参数的偏差度： 其中，Di为第i个异常特征的偏差度；Xi为实时数据中第i个特征值；μi，baseline为初始安全基线模型中第i个特征值的均值；σi，bseline为初始安全基线模型中第i个特征值的标准差；ΔXi为第i个特征值的第一阶差分；Δμi，baseline为初始安全基线模型中第i个特征值的第一阶差分的均值；Δσi，baseline为初始安全基线模型中第i个特征值的第一阶差分的标准差；Δ2Xi为第i个特征值的第二阶差分；Δ2μi，baseline为初始安全基线模型中第i个特征值的第二阶差分的均值；Δ2σi，baseline为初始安全基线模型中第i个特征值的第二阶差分的标准差；α和β为权重系数；按照如下的公式2，计算总偏差度D： 其中，wi为第i个参数的权重系数；Di为第i个异常特征的偏差度；基于所述总偏差度，调整初始安全基线模型中的参数权重和阈值，所述对异常数据进行多尺度分解，提取不同时间尺度下的异常特征，包括：对异常数据进行小波变换，将其分解为多个不同频率和时间尺度的分量；按照如下的公式3，计算小波变换后每个时间尺度下的能量特征Ei： 其中，Wi，t为第i个尺度在时间t的小波系数；T为时间点总数；基于能量特征Ei，按照如下的公式4，定义加权能量差WEi: 其中，Emean和Estd分别为所有尺度能量特征的均值和标准差；wi为第i个尺度的加权系数；对每个时间尺度下的小波系数进行奇异值分解，并按照如下公式5，提取奇异值的非线性主成分NPCi： 其中，σi，j为第i个尺度的第j个奇异值；根据如下的公式6，计算多尺度特征向量MSFi：MSFi＝WEi+γ·NPCi6，其中，γ为权重系数，所述基于所述总偏差度，调整初始安全基线模型中的参数权重和阈值，包括：将总偏差度与预设的阈值进行比较，确定是否需要更新安全基线模型；若总偏差度超过预设阈值，则根据总偏差度的大小，动态调整初始安全基线模型中各参数的权重系数和阈值，使其能够适应新的异常特征。

全文数据：

权利要求：

百度查询： 南京中新赛克科技有限责任公司 南京理工大学 动态安全基线建模方法