一种工业互联网信息安全评估方法及系统与流程

本发明涉及工业互联网安全，具体为一种工业互联网信息安全评估方法及系统。

背景技术：

1、随着工业互联网的快速发展，工业控制系统正从传统的封闭隔离架构向开放互联的信息物理系统（cyber-physical systems，cps）演进。信息物理系统通过深度融合计算、通信与控制技术，实现了工业生产全流程的数字化、网络化和智能化。与此同时，工业互联网安全形势日趋严峻，针对工业控制系统的网络攻击已从单纯的网络层渗透演变为涵盖信息域与物理域交互的综合安全威胁。工业控制系统一旦遭受攻击，不仅可能导致敏感数据泄露，更可能引发设备失控、工艺参数偏离、生产中断乃至安全事故，造成严重的经济损失和社会影响。因此，对工业互联网系统进行科学、全面的安全评估，及时发现并修复安全隐患，已成为保障工业生产和国家关键基础设施安全运行的迫切需求。

2、目前，工业互联网安全评估方法主要分为两大类。一类是基于传统信息安全的漏洞扫描和渗透测试方法，通过在目标系统上执行已知漏洞检测脚本或模拟攻击行为来发现安全问题。然而，该类方法存在显著不足：评估过程需直接作用于物理系统，可能影响生产正常运行，无法适用于钢铁、化工、电力等对可用性和实时性要求极高的连续生产场景；且评估维度单一，主要关注网络层面的信息安全漏洞，忽视了信息域安全风险向物理域传导引发功能安全、物理安全和工艺安全风险的级联效应。另一类是基于数字孪生的安全评估方法，通过在数字空间构建物理系统的镜像模型来执行安全测试。然而，现有数字孪生安全评估方法仍存在以下技术缺陷：其一，数字孪生模型构建维度单一，大多仅关注设备实体或网络拓扑的静态建模，未将实体特征、协议规则、业务逻辑和运行行为进行多模态融合建模，导致孪生模型对工业系统动态行为的表征能力和仿真保真度不足；其二，安全评估体系分散，缺乏从信息安全性、功能安全性、物理安全性和工艺安全性四个维度的综合评估框架，难以发现信息域与物理域之间的威胁级联传播路径；其三，评估结果与物理系统之间缺乏有效的双向反馈通道，评估结论无法自动转换为可执行的安全策略并及时作用于物理系统，评估与防护脱节，无法实现安全防护的动态闭环。此外，数字孪生模型的仿真保真度缺乏统一的量化标准和动态校准机制，评估结果的可信度难以保障。因此，亟需一种能够实现工业互联网系统多维度、无损、闭环安全评估的方法及系统。

技术实现思路

1、本发明为了解决现有技术的问题，提供了一种工业互联网信息安全评估方法及系统。

2、为了解决上述技术问题，本发明是通过以下技术方案实现的：第一方面，一种工业互联网信息安全评估方法，所述方法应用于工业控制系统，包括以下步骤：

3、步骤s1：获取目标工业互联网系统的物理实体信息、网络拓扑信息、设备配置信息及运行参数，构建与所述目标工业互联网系统物理空间等价的信息物理系统数字孪生模型，形成物理设备在数字空间的全要素镜像；所述数字孪生模型包含实体维度模型、规则维度模型、业务维度模型和行为维度模型四个子模型，并建立四个子模型之间的关联映射关系，形成统一数据模型；

4、其中，所述实体维度模型基于三维建模技术构建目标工业互联网系统中各工业设备、网络设备及控制设备的三维几何模型，并关联各设备的物理属性参数，所述物理属性参数包括设备型号、固件版本、开放端口、服务协议及性能参数；

5、所述规则维度模型包含目标工业互联网系统的工业控制协议规则子模型和网络安全策略规则子模型，所述工业控制协议规则子模型至少包含modbus、profibus、opc ua、s7comm协议中的一种或多种的协议解析规则，所述网络安全策略规则子模型包含防火墙策略、访问控制列表及网络分段规则；

6、所述业务维度模型基于目标工业互联网系统的生产工艺流程图和数据流图构建，用于表征各业务环节之间的数据依赖关系和时序约束关系；

7、所述行为维度模型基于目标工业互联网系统在正常工况下的历史运行数据，利用统计学习方法构建正常运行行为基线模型，并基于已知攻击场景下的异常行为数据，利用机器学习或深度学习方法构建异常行为特征模型；

8、步骤s2：基于步骤s1构建的数字孪生模型，采用容器化技术创建与目标工业互联网系统网络规模一致、网络拓扑结构相同的高保真仿真网络；所述高保真仿真网络中各虚拟网络节点部署有与物理设备对应的仿真服务，包括工业控制协议仿真服务、工业生产流程仿真服务和工业数据通信仿真服务；所述高保真仿真网络部署于隔离的安全仿真沙箱环境中，与目标工业互联网物理网络之间实现网络隔离，并通过单向数据导入接口进行数据交互；

9、步骤s3：在目标工业互联网系统的网络边界和关键节点部署数据采集探针，实时采集多源安全数据；所述多源安全数据包括网络流量数据、设备运行状态数据、工业控制协议通信数据、系统日志数据、安全告警数据及物理工艺参数数据；对采集的多源安全数据进行协议还原、行为重建和数据融合处理，生成标准化安全评估数据集；

10、步骤s4：将步骤s3生成的标准化安全评估数据集输入步骤s2构建的高保真仿真网络中，驱动数字孪生模型进行仿真运行；在所述高保真仿真网络中执行面向工业互联网安全层的安全评估操作，所述安全评估操作包括：

11、攻击模拟评估：基于攻击特征库在数字孪生模型中模拟工业互联网网络攻击行为，监测并记录攻击在数字孪生网络中的传播路径、感染节点范围及对生产工艺流程的影响程度，计算各攻击场景下的安全风险值，所述安全风险值基于攻击成功概率p_a、攻击影响范围和攻击造成的潜在损失三个因素按式（1）计算：

12、       （1）

13、其中，所述攻击成功概率基于目标系统漏洞可利用性评分和当前防护策略有效性评分按计算确定，和的取值范围均为0至1；和为权重系数，，的取值范围为0.3~0.5，β的取值范围为0.5~0.7；所述攻击影响范围以数字孪生网络中被攻击波及的节点数量与总节点数量的比值表示，取值范围为0至1；所述攻击造成的潜在损失基于被攻击业务环节的单位时间产值与预计恢复时间的乘积计算；

14、漏洞验证评估：获取目标工业互联网系统的已知漏洞信息，在数字孪生模型中构建对应的漏洞利用验证环境，执行无损漏洞验证操作，确定各漏洞在目标工业互联网系统实际环境中的可利用性等级及被成功利用后对系统的影响程度；

15、配置合规评估：将目标工业互联网系统的当前安全配置参数与预设安全基线进行比对，在数字孪生模型中仿真验证配置变更对系统安全性的影响方向和影响幅度；

16、异常行为评估：将实时采集的系统运行行为与步骤s1中构建的正常运行行为基线模型进行比对，计算行为偏离度，当大于预设偏离阈值时，识别为异常行为并评估其安全风险等级；所述行为偏离度按式（2）计算：

17、        （2）

18、其中，为第个行为特征参数的实时监测值，为对应特征参数在正常运行行为基线模型中的均值，为对应特征参数在正常运行行为基线模型中的标准差，为第个特征参数的权重系数，；

19、步骤s5：基于步骤s4的评估结果，从信息安全性、功能安全性、物理安全性和工艺安全性四个维度对目标工业互联网系统进行综合安全风险评估，识别信息域与物理域之间的威胁级联传播路径，生成综合安全风险评估报告；所述综合安全风险评估报告包含各安全维度的独立风险评估得分及对应的风险等级、各维度的主要风险因素清单、风险之间的关联影响分析、安全加固建议及优先级排序；

20、步骤s6：建立数字孪生模型与目标工业互联网物理系统之间的双向数据映射通道，将目标工业互联网物理系统的实时运行状态通过所述双向数据映射通道同步至数字孪生模型，实现孪生模型的动态更新；将步骤s5生成的综合安全风险评估结果及相应的安全加固建议通过所述双向数据映射通道反馈至目标工业互联网物理系统的安全管理中心，指导物理系统的安全策略调整。

21、在第一方面的一种具体的实施方式中，所述行为特征参数包括以下参数中的至少三种：网络流量速率、工业协议请求响应时延、控制设备的处理器利用率、控制设备的内存利用率、以及关键工艺参数的实测值与设定值之间的偏差量；所述预设偏离阈值的取值为1.5至3.0，并根据目标工业互联网系统的安全等级要求自适应调整，安全等级越高则取值越小。

22、在第一方面的一种具体的实施方式中，步骤s3中所述协议还原包括对采集到的工业控制协议数据包进行深度包解析，提取协议类型、功能码、寄存器地址及数据值字段信息；所述行为重建包括基于协议还原结果重建工业互联网系统中的操作行为序列、数据交互行为序列和设备控制行为序列；所述数据融合包括将来自不同数据源、不同格式的安全数据进行标准化处理和时序关联分析，生成统一格式的标准化安全评估数据集。

23、在第一方面的一种具体的实施方式中，步骤s4中所述攻击特征库包含拒绝服务攻击特征、中间人攻击特征、重放攻击特征、指令注入攻击特征、固件篡改攻击特征、勒索软件攻击特征及高级持续性威胁攻击特征；所述攻击模拟评估包括单点攻击模拟和复合攻击模拟，所述复合攻击模拟为同时模拟两种以上攻击类型在数字孪生网络中的协同作用和级联效应。

24、在第一方面的一种具体的实施方式中，步骤s4中所述漏洞验证评估中，漏洞的可利用性等级按以下规则划分：

25、当漏洞在数字孪生模型中验证可利用且在实际物理环境中具备对应的触发条件时，判定为高可利用性等级；

26、当漏洞在数字孪生模型中验证可利用但在实际物理环境中需满足附加条件方能触发时，判定为中可利用性等级；

27、当漏洞在数字孪生模型中经验证不可利用时，判定为低可利用性等级；

28、漏洞被成功利用后对系统的影响程度从信息泄露影响分值、控制功能影响分值和生产工艺影响分值三个维度进行量化评分，各维度分值取值范围均为0至10，总影响程度分值为三个维度分值的加权和。

29、在第一方面的一种具体的实施方式中，步骤s4中所述配置合规评估所依据的预设安全基线包括以下配置项：设备允许开放的端口范围、允许运行的服务进程列表、账户权限配置规则、以及防火墙策略白名单；所述配置合规评估具体为将目标工业互联网系统的当前配置参数与上述基线配置项进行逐项比对，输出偏离项及偏离幅度，并在数字孪生模型中仿真验证将偏离项修正至基线值后对系统安全性及生产工艺流程的复合影响。

30、在第一方面的一种具体的实施方式中，步骤s5中所述综合安全风险评估报告还包含各风险因素的风险优先级排序值p_priority，所述风险优先级排序值按式（3）计算：

31、（3）

32、其中，s_severity为风险严重程度评分，基于步骤s5中四个维度的独立评估得分综合确定，取值为1~10；为风险发生可能性评分，基于步骤s4中攻击成功概率p_a及异常行为发生频率综合确定，取值为1~10；为风险可恢复性评分，基于目标工业互联网系统在遭受该风险影响后恢复至正常运行状态所需的预计时间确定，取值为1~10；λ为权重系数，，λ_1的取值范围为0.4~0.6，的取值范围为0.2~0.4，的取值范围为0.1~0.3。

33、在第一方面的一种具体的实施方式中，步骤s6中所述双向数据映射通道采用加密通信协议，包含正向映射子通道和反向映射子通道；

34、所述正向映射子通道通过部署在目标工业互联网物理系统中的数据采集探针和工业互联网关，实时采集物理系统的运行状态数据，经过数据清洗和格式转换后写入数字孪生模型的数据存储单元，驱动数字孪生模型的状态更新；正向映射的数据同步周期根据目标工业互联网系统实时状态参数的变化率自适应调整，所述变化率越大则取值越小，的取值范围为100毫秒至60秒；

35、所述反向映射子通道将数字孪生模型中经过仿真验证的安全评估结果转换为目标工业互联网物理系统可执行的安全策略配置指令，经安全审核后下发至物理系统的安全管理中心执行。

36、在第一方面的一种具体的实施方式中，还包括步骤s7：获取数字孪生模型的仿真运行结果与目标工业互联网物理系统实际运行结果之间的偏差数据，基于所述偏差数据按式（4）计算数字孪生模型的仿真保真度置信度分数：

37、        （4）

38、其中，为第个关键状态参数的仿真值与实际值之间的偏差量，为第个关键状态参数的允许偏差阈值，为调节系数，的取值范围为0.5~2.0；

39、当所述置信度分数低于预设阈值时，触发数字孪生模型的自动校准流程，基于所述偏差数据对数字孪生模型中行为维度模型的均值和方差参数按以下方式修正：

40、；

41、；

42、其中，为学习率，取值范围为0.01至0.1；重复校准直至置信度分数恢复至预设阈值以上，若连续3次校准后置信度分数仍无法恢复至以上，则发出模型失效告警；所述预设阈值的取值范围为0.75~0.95。

43、第二方面，一种基于数字孪生的信息物理系统工业互联网信息安全评估系统，包括：

44、数据采集模块，部署于目标工业互联网物理系统的网络边界和关键节点，用于采集多源安全数据，所述多源安全数据包括网络流量数据、设备运行状态数据、工业控制协议通信数据、系统日志数据及物理工艺参数数据；所述数据采集模块采用旁路镜像方式采集数据，不对物理系统的正常运行产生干扰；

45、数字孪生构建模块，用于基于目标工业互联网系统的物理实体信息、网络拓扑信息、设备配置信息及运行参数，构建与目标工业互联网系统物理空间等价的cps数字孪生体及全要素数字线程，所述数字孪生体包含实体维度子模型、规则维度子模型、业务维度子模型和行为维度子模型，并建立各子模型之间的关联映射关系；

46、仿真网络模块，用于基于所述数字孪生模型，采用容器化技术创建与目标工业互联网系统网络规模一致、网络拓扑结构相同的高保真仿真网络；所述高保真仿真网络部署于隔离的安全仿真沙箱环境中，与目标工业互联网物理网络实现网络隔离；

47、安全评估引擎，用于将所述数据采集模块采集的多源安全数据输入所述高保真仿真网络，驱动数字孪生模型进行仿真运行，并在仿真网络中执行面向工业互联网安全层的安全评估操作，包括攻击模拟评估、漏洞验证评估、配置合规评估和异常行为评估操作；所述安全评估引擎内置攻击特征库和配置基线库；

48、综合评估模块，用于基于所述安全评估引擎的评估结果，从信息安全性、功能安全性、物理安全性和工艺安全性四个维度生成综合安全风险评估报告，识别信息域与物理域之间的威胁级联传播路径；

49、双向映射模块，用于建立数字孪生模型与目标工业互联网物理系统之间的双向数据映射通道，实现物理系统运行状态向孪生模型的正向同步以及孪生模型评估结果和加固策略向物理系统的反向反馈；

50、置信度评估模块，用于计算数字孪生模型的仿真保真度置信度分数，并在置信度分数低于预设阈值时触发数字孪生模型的自动校准；

51、评估管理模块，用于配置评估任务参数、管理评估任务执行流程、存储评估历史数据和展示评估结果。

52、本发明的有益效果为：

53、1.本发明通过构建包含实体维度模型、规则维度模型、业务维度模型和行为维度模型的四维多模态信息物理系统数字孪生模型，建立四个子模型之间的关联映射关系并形成统一数据模型，实现了对目标工业互联网系统从物理结构、通信协议、业务流程到运行行为的全要素数字化镜像，显著提升了数字孪生模型对复杂工业场景的表征能力和保真度。同时，基于该数字孪生模型采用容器化技术构建与物理系统网络规模一致、拓扑结构相同的高保真仿真网络，并将该仿真网络部署于隔离的安全仿真沙箱环境中，使得所有安全评估操作均在虚拟镜像中执行，与物理生产网络完全隔离，从根本上避免了传统安全评估方法中测试过程可能影响生产系统正常运行的技术缺陷，实现了真正意义上的无损安全评估；

54、2.本发明从信息安全性、功能安全性、物理安全性和工艺安全性四个维度构建了面向工业互联网安全层的综合安全风险评估体系，克服了现有技术仅关注网络安全维度的局限。通过在高保真仿真网络中并行执行攻击模拟评估、漏洞验证评估、配置合规评估和异常行为评估四种评估操作，并建立各评估结果之间的关联分析机制，实现了对工业互联网系统安全态势的多角度、多层次综合研判。特别是通过识别信息域与物理域之间的威胁级联传播路径，能够发现单一维度评估难以察觉的跨域复合风险，为制定针对性的安全加固策略提供精准依据。进一步地，本发明通过建立数字孪生模型与物理系统之间的双向数据映射通道，不仅实现了物理系统运行状态向孪生模型的实时正向同步，更通过反向映射通道将孪生模型中经仿真验证的安全评估结果和加固策略自动转换为物理系统可执行的安全配置指令并反馈至物理系统，形成了“评估-决策-执行-验证”的完整闭环，使得安全评估结果能够实时驱动物理系统的安全策略动态调整，显著提升了工业互联网安全防护的响应速度和自适应能力。