一种异常流量识别与阻断系统及方法与流程

摘要: 本发明涉及电力电网,具体涉及一种异常流量识别与阻断系统及方法。背景技术:1、随着智能电网和新型电力系统的快速发展,电网通信网络承载着iec60870-5-104...
一种异常流量识别与阻断系统及方法与流程

本发明涉及电力电网,具体涉及一种异常流量识别与阻断系统及方法。

背景技术:

1、随着智能电网和新型电力系统的快速发展,电网通信网络承载着iec 60870-5-104远动协议、iec 61850 goose/sv/mms等电力专用协议的实时数据交换,其安全稳定运行直接关系到电力系统的供电安全。

2、现有技术cn121462309a号专利采用黑白名单规则库对流量进行分流,白名单报文被分流后不再执行状态机校验。但这种识别阻断的方法主要存在以下不足:

3、1) 攻击者一旦掌握白名单规则即可绕过后续所有检测环节;攻击者劫持合法终端后发送的报文在网络层特征上完全符合白名单规则,但协议状态序列可能严重违反协议规范,本领域长期存在“效率优先于全面校验”的技术偏见。

4、2) 现有检测方法多关注网络层和传输层的流量特征,对电力专用协议的应用层语义缺乏深度理解。例如,对于goose报文,现有方法未能充分利用stnum和sqnum的严格确定性规则进行序列一致性校验;对于iec 104报文,现有方法未能利用asdu的类型组合合法性进行语义白名单匹配。

5、3) 现有方案在识别异常后通常仅进行告警或直接阻断,未能在数字孪生环境中预演攻击的后续传播路径,无法实现提前阻断。

6、为解决上述问题,现提供一种异常流量识别与阻断系统及方法。

技术实现思路

1、本发明的目的是针对现有技术存在的上述问题,提供一种异常流量识别与阻断系统及方法。

2、本发明的目的可通过下列技术方案来实现:

3、一种异常流量识别与阻断系统,包括其特征在于,包括数字孪生构建模块,用于采集电网通信网络的多源数据,构建并实时更新数字孪生模型及正常行为基线模型;

4、多源数据整合模块,用于采集电网通信网络的流量模态数据、状态模态数据和日志模态数据,并通过跨模态注意力机制进行时空融合,得到多模态融合特征;

5、协议语义感知检测模块,包括第一层匹配执行单元、第二层状态机校验执行单元、第三层基线偏离检测执行单元和强制全检调度控制单元;所述第一层匹配执行单元用于将采集流量的协议字段与预设的协议语义白名单进行匹配;所述第二层状态机校验执行单元用于对流量执行协议状态机一致性校验;所述第三层基线偏离检测执行单元用于将流量的多模态融合特征与所述正常行为基线模型进行比对,计算重构误差;所述强制全检调度控制单元用于控制检测流程,无论所述第一层匹配执行单元的匹配结果如何,均强制将该流量依次送入所述第二层状态机校验执行单元和所述第三层基线偏离检测执行单元;

6、攻击路径推演模块,用于根据所述协议语义感知检测模块输出的异常流量信息推断当前异常在攻击链中所处的阶段,并在所述数字孪生模型中预演后续攻击路径,生成预测性阻断策略;

7、业务级精准阻断模块,用于以电力业务标签为最小阻断单位,结合动态信任评分和攻击链阶段信息生成语义级阻断策略,并在所述数字孪生模型中模拟验证后执行阻断。

8、优选地,所述数字孪生构建模块包括:

9、数据采集单元,用于采集电网通信网络的拓扑结构信息、设备参数信息、通信协议信息和历史流量数据;

10、模型构建单元,用于基于历史正常运行状态下的多源数据,利用变分自编码器学习电网通信网络的正常行为分布,构建所述数字孪生模型及所述正常行为基线模型;

11、同步更新单元,用于将实时采集的电网通信网络数据持续输入所述数字孪生模型,使所述数字孪生模型与物理网络保持实时同步。

12、优选地,所述多源数据整合模块包括:

13、流量采集单元、状态采集单元和日志采集单元,分别用于采集电网通信网络的流量模态数据、状态模态数据和日志模态数据;

14、跨模态注意力融合单元,用于计算流量、状态、日志三类模态之间的六组双向跨模态注意力权重并进行时空融合,得到所述多模态融合特征。

15、优选地,所述强制全检调度控制单元的工作流程为:

16、接收所述第一层匹配执行单元的匹配结果,无论匹配结果为通过或未通过,均生成强制调度指令;

17、对于通过第一层匹配的流量,所述强制调度指令使该流量不跳过第二层和第三层;

18、对于未通过第一层匹配的流量,所述强制调度指令在标记异常的同时,仍强制将该流量送入第二层和第三层执行深度校验;

19、所述强制全检调度控制单元与所述第二层状态机校验执行单元、所述第三层基线偏离检测执行单元之间构成单向数据推送通道。

20、优选地,所述协议状态机存储单元中的协议有限状态机模型包括:

21、goose状态机子模型,针对goose报文的状态号stnum和顺序号sqnum的递增状态机模型,其中stnum仅在数据集发生变化时递增,sqnum在每次重传时单调递增;

22、iec 104状态机子模型,针对iec 60870-5-104报文的启动、确认、数据传输、停止四阶段状态转换模型;

23、所述协议状态机一致性校验包括检测非法状态转换、状态回退异常和状态停留超时。

24、优选地,所述第二层状态机校验执行单元304采用滑动时间窗口内的状态转换合法率进行量化评估。设窗口大小为,窗口内共发生次状态转换事件,协议有限状态机定义的合法状态转换集合为,则合法率定义为:

25、其中为指示函数,当条件成立时取值为1,否则为0。当任一转换事件不属于时,直接判定该流量序列未通过协议状态机一致性校验,标记为异常并触发阻断。

26、优选地,所述第二层状态机校验执行单元同时采用均值形式进行趋势监控:当低于预设阈值时触发趋势异常告警。乘积形式与均值形式并行任一触发异常时即执行阻断。

27、优选地,所述攻击路径推演模块包括:

28、攻击链阶段推理单元,用于基于七阶段电网网络攻击链模型进行阶段推断;

29、攻击图构建单元,用于基于电网网络拓扑、设备脆弱性数据库和历史攻击模式构建加权有向攻击图;

30、路径预演模拟单元,用于在所述数字孪生模型中以当前异常节点为起点自动预演所有可能的后续攻击路径,识别高危路径上的关键节点,生成预测性阻断策略。

31、优选地,所述业务级精准阻断模块包括:

32、业务标签标注单元,用于为每个流量实时标注电力业务标签;

33、动态信任评估单元,用于从身份信任度、行为信任度、环境信任度、历史信任度四个维度计算综合信任评分;

34、语义级策略生成单元,用于业务标签、信任评分、攻击阶段三元组生成阻断规则;

35、阻断模拟验证单元,用于在所述数字孪生模型中预先模拟阻断影响。

36、一种异常流量识别与阻断方法,包括以下步骤:

37、步骤s1:采集电网通信网络的拓扑结构信息、设备参数信息、通信协议信息和历史流量数据,构建电网通信网络的数字孪生模型;基于历史正常运行状态下的多源数据,利用变分自编码器学习电网通信网络的正常行为分布,构建正常行为基线模型;将实时采集的电网通信网络数据持续输入所述数字孪生模型,使所述数字孪生模型与物理网络保持实时同步;

38、步骤s2:采集电网通信网络的流量模态数据、状态模态数据和日志模态数据,通过跨模态注意力机制进行时空融合,得到多模态融合特征;

39、步骤s3:基于电力专用协议的规范文档,构建协议语义白名单和协议有限状态机模型,对采集的流量执行由粗粒度到细粒度逐级精化的“语义白名单匹配、协议状态机一致性校验、行为基线偏离检测”三层递进式异常检测,识别异常流量;其中,无论第一层语义白名单匹配结果如何,均强制将该流量送入第二层协议状态机一致性校验和第三层行为基线偏离检测,不因通过白名单匹配而免除后续任一检测层级的校验;

40、步骤s4:对于步骤s3中确认为异常的流量,通过攻击链智能推理引擎自动推断当前异常在电网网络攻击链中所处的阶段,并结合所述数字孪生模型预演所有可能的后续攻击路径,识别高危路径上的关键节点,生成预测性阻断策略;

41、步骤s5:通过零信任动态微隔离模块,以电力业务标签为最小阻断单位,结合业务关键度系数、动态信任评分和攻击链阶段信息,生成语义级阻断策略,并在所述数字孪生模型中预先模拟阻断影响后执行阻断

42、有益效果:

43、1、过设置强制全检调度控制单元,确保所有流量无论是否匹配白名单,均强制进入协议状态机校验与基线偏离检测,首创乘积形式与均值形式并行的双重状态机校验机制。乘积形式合法率可在单次非法状态跳变发生时立即将合法率归零,有效杜绝均值算法掩盖致命异常的缺陷;均值形式则持续监控长期缓慢偏离行为,双重校验并行运行,使系统同时具备对突发破坏型和慢性潜伏型两类攻击的精准识别能力。

44、2、构建检测、推理、阻断、反馈完整闭环,使综合信任评分反向动态调节重构误差阈值,系统无需人工介入即可随电网实时运行态势自适应调整检测灵敏度。当一个层级异常检出率升高时自动调整其他层级阈值,形成协同响应机制,显著提升了系统在复杂多变电网场景下的鲁棒性与适应性。

45、3、业务标签为最小阻断单位,避免了传统ip/端口粗粒度阻断对正常业务的“误伤”;数字孪生预演验证确保阻断策略零误伤。

46、4、 通过攻击链推理和数字孪生路径预演,能够在攻击链前期即攻击尚处于侦察阶段时进行预测并前置阻断,从根本上降低电网发生连锁性重大事故的风险。