电力监控态势感知与智能防御方法、系统、设备及介质与流程
本发明涉及网络安全与工业智能控制交叉,特别涉及电力监控态势感知与智能防御方法、系统、设备及介质。
背景技术:
1、随着智能电网与电力物联网的全面建设,电力监控系统正经历着信息技术(it)与运营技术(ot)的深度融合。这种网络化、智能化的转型在极大提升电力调度与控制效率的同时,也将原本物理隔离的工业控制网络暴露在日益复杂的网络安全威胁之下。近年来,针对电力关键基础设施的高级持续性威胁(apt)、供应链攻击及勒索软件频发,攻击者往往采用多源、低频、跨域的隐蔽横向移动手段绕过传统边界防御。
2、传统的电力入侵检测系统主要依赖于静态规则匹配或浅层机器学习算法,不仅难以识别海量高维、具有高度动态伪装特征的未知新型网络攻击,还极易在面临大规模异常突发流量时产生严重的告警疲劳。为了深层次挖掘攻击上下文,现有技术开始尝试引入全局行为审计和图拓扑分析方法。然而,在实际工业边缘场景落地部署时,现有技术普遍面临以下无法克服的物理瓶颈与行业痛点:
3、安全审计的全局深度算力渴求与边缘主营调度业务的实时性要求存在根本冲突:高级网络攻击往往交织着局部时间突发、全局行为异常以及拓扑空间的横向移动,这需要特征提取模型具备极深的吞吐层级和多维特征分支计算能力,例如同时执行时间序列、全局行为序列和拓扑结构分析。然而,在实际的电力二次安全防护中,边缘计算节点,例如工业智能网关、规约转换装置其本身的硬件计算资源和存储空间被极度压缩,例如内存存储占用常被精确限制在1mb级别。现有方案在边缘端多采用无差别全量特征提取,当面临大流量冲击或高密度安全审计时,深度网络计算会瞬间榨干硬件资源,极易引发电力核心主营调度控制指令的突发卡顿或转发延迟,严重威胁电网的物理安全。
4、多模态特征融合时的静态权重无法适应动态变化的工控环境:网络攻击在不同的演进阶段,其表征出的特征维度重要性具有高度的上下文依赖性。现有方法在融合局部时序特征、全局行为特征和拓扑结构特征时,往往采用固定的权重分配或简单的硬通道拼接,忽略了工业网络环境的动态变化,导致多模态特征之间存在严重的语义鸿沟与碎片化,极易产生严重的误报或漏报。
5、垂直领域大模型的高性能深度推理与边缘侧有限资源之间存在不可调和的矛盾:大语言模型(llm)具备极强的长程因果推理与思维链剖析能力,能够精准评估多步横向移动的意图。但其庞大的参数量和极高的算力消耗使其根本无法前置部署到受限的电力边缘端,如何在保障边缘硬件不升级、不占用主营业务算力的前提下,实现底层自适应多维特征提取与云端或中心侧大模型深度推理的智能化跨域联动,是当前工业控制安全领域亟待解决的瓶颈问题。
6、综上所述,现有分层安全架构缺乏一种能够将工控网关硬件负载运维数据与网络安全威胁异常数据进行跨域联动调节的机制,导致安全边界防御的时效性、准确性与边缘主营业务的实时性无法兼顾。
技术实现思路
1、本发明实施例提供了一种电力监控态势感知与智能防御方法、系统、设备及介质,以解决现有技术中的上述技术问题。
2、根据本发明实施例的第一方面,提供了一种电力监控态势感知与智能防御方法。
3、在一个实施例中,所述电力监控态势感知与智能防御方法,包括:
4、根据资源负载综合指标和多模态网络态势初始数据构建资源-威胁状态向量,并将资源-威胁状态向量输入动态计算门控网络以进行特征提取与融合,得到底层多维监测态势数据;
5、根据多源异构安全日志和底层多维监测态势数据构建属性攻击图,并对属性攻击图进行标准化映射,得到标准化攻击图数据;多源异构安全日志包括凭据访问日志、防火墙拦截日志以及数据采集与监视控制系统的事件日志;
6、将标准化攻击图数据及多源异构安全日志输入电力垂直大语言模型中进行推理,得到攻击预警报告;
7、根据攻击预警报告与预设阈值,在本地电力安全知识库中进行自主调度知识检索,并基于检索得到的历史相似攻击预案生成自动化阻断指令集,通过自动化阻断指令集完成异常行为的自动化阻断。
8、在一个实施例中,根据资源负载综合指标和多模态网络态势初始数据构建资源-威胁状态向量,并将资源-威胁状态向量输入动态计算门控网络以进行特征提取与融合,得到底层多维监测态势数据包括:
9、实时采集初始多模态态势数据,并对初始多模态态势数据进行净化与重构预处理,生成多模态网络态势初始数据;
10、实时采集边缘节点的资源负载综合指标,并结合多模态网络态势初始数据进行轻量化威胁浅层评估,生成当前时刻的资源-威胁状态向量;
11、将当前时刻的资源-威胁状态向量输入至动态计算门控网络,并通过可微分离散采样算法生成二进制决策掩码向量,根据二进制决策掩码向量动态确定特征提取路径,基于特征提取路径进行多路特征提取,得到异构特征提取结果;
12、利用多模态不对称交叉注意力机制对异构特征提取结果进行初步特征检索,得到初步检索后的特征,并利用动态调节算法对初步检索后的特征进行自适应加权求和,得到底层多维监测态势数据。
13、在一个实施例中,对初始多模态态势数据进行净化与重构预处理,生成多模态网络态势初始数据包括:
14、基于预设的控制区会话类别数,对初始多模态态势数据进行聚类划分,得到初始聚类簇,并对初始聚类簇进行基于聚类质心迭代的多数类样本自适应欠采样,得到代表性样本集合;
15、根据代表性样本集合确定网络攻击特征向量,并结合网络拓扑邻接关系确定同类攻击标签的最近邻实体特征向量;
16、基于最近邻实体特征向量和插值权重系数,对网络攻击特征向量进行少数类样本拓扑过采样,得到网络攻击特征样本,并结合代表性样本集合生成多模态网络态势初始数据。
17、在一个实施例中,结合多模态网络态势初始数据进行轻量化威胁浅层评估,生成当前时刻的资源-威胁状态向量包括:
18、对预设时间窗口内的多模态网络态势初始数据进行各特征值出现频次统计,并根据频次统计结果计算特征状态经验概率分布;
19、根据所有特征状态经验概率分布,利用香农熵定理计算当前流量窗口的特征信息熵;
20、通过归一化函数,将特征信息熵映射为初始威胁得分,将初始威胁得分与资源负载综合指标进行拼接,生成当前时刻的资源-威胁状态向量。
21、在一个实施例中,二进制决策掩码向量的表达式为:
22、;
23、;
24、式中,表示策略路由网络的第一可学习参数;表示策略路由网络的第二可学习参数;表示温度超参数;表示全局行为特征提取分支的开关控制权;表示局部时间特征提取分支的开关控制权;表示动态拓扑特征提取分支的开关控制权。
25、在一个实施例中,利用多模态不对称交叉注意力机制对异构特征提取结果进行初步特征检索,得到初步检索后的特征,并利用动态调节算法对初步检索后的特征进行自适应加权求和,得到底层多维监测态势数据包括:
26、采用多模态不对称交叉注意力机制确定异构特征提取结果的查询向量和键值对,基于查询向量和键值对进行特征深度检索,得到初步检索后的特征;
27、基于设定的张量维度参数,在特征通道维度上对初步检索后的特征进行异构张量通道拼接,得到拼接后的特征向量,并在序列步长上对拼接后的特征向量进行全局平均池化,生成上下文感知向量;
28、将上下文感知向量输入至双层前馈网络,并通过双层前馈网络中的第一层全连接层进行隐层非线性映射与解耦,生成高阶过渡特征变体;
29、将高阶过渡特征变体输入至第二层全连接层,并利用激活函数进行归一化映射,得到各特征模态的动态计算权重;
30、根据各特征模态的动态计算权重,利用加权求和法对初步检索后的特征进行特征融合,得到深度语义对齐的底层多维监测态势数据。
31、在一个实施例中,根据多源异构安全日志和底层多维监测态势数据构建属性攻击图,并对属性攻击图进行标准化映射,得到标准化攻击图数据包括:
32、通过自适应日志检索机制动态获取多源异构安全日志,并利用命名实体识别算法对多源异构安全日志进行实体提取,得到工控实体;
33、根据底层多维监测态势数据识别出威胁行为节点,并结合工控实体进行拓扑关联,生成属性攻击图;
34、利用预定义的自然语言处理映射本体库,将属性攻击图中的威胁行为节点与对抗性战术、技术与常识框架中的战术和技术矩阵进行标准化语义对齐,得到标准化攻击图数据。
35、在一个实施例中,将标准化攻击图数据及多源异构安全日志输入电力垂直大语言模型中进行推理,得到攻击预警报告包括:
36、选用基于仅解码器架构的大语言模型,利用字节对编码算法在大语言模型的原始词表基础上注入电力专用文本标记进行词表扩充,得到电力垂直大语言模型;
37、对所有标准化攻击图数据与多源异构安全日志进行统一格式化预处理,得到标准提示词模板;
38、将标准提示词模板输入电力垂直大语言模型,在电力垂直大语言模型的微调阶段冻结基座预训练权重矩阵,并结合可训练低秩分解矩阵和自回归交叉熵损失函数进行参数调整与优化,得到优化后的电力垂直大语言模型;
39、利用思维链推理机制,驱动优化后的电力垂直大语言模型进行级联推理,得到攻击预警报告。
40、在一个实施例中,利用思维链推理机制,驱动优化后的电力垂直大语言模型进行级联推理,得到攻击预警报告包括:
41、在提示词中动态注入电力约束软提示词,利用思维链推理机制,驱动优化后的电力垂直大语言模型解析多源异构安全日志并划定当前失陷边界,得到源头评估结果;
42、将源头评估结果与电力拓扑邻接矩阵相结合,计算攻击者的下一步演进路径,得到拓扑推导结果;
43、对比拓扑推导结果与高级持续性威胁的历史指纹,根据对比结果推断出网攻战略企图,并基于物理扩散逻辑界定最大损失范围,得到爆炸半径界定结果;
44、对源头评估结果、拓扑推导结果、网攻战略企图以及爆炸半径界定结果进行整合,生成攻击预警报告。
45、在一个实施例中,根据攻击预警报告与预设阈值,在本地电力安全知识库中进行自主调度知识检索,并基于检索得到的历史相似攻击预案生成自动化阻断指令集包括:
46、当攻击预警报告的告警置信度超过预设阈值时,激活智能体,智能体通过检索增强生成技术从本地电力安全知识库中检索匹配历史相似攻击预案;
47、基于历史相似攻击预案生成应用程序编程接口指令,利用联合对齐优化架构对应用程序编程接口指令进行合规性判别,得到合规性标量奖励;
48、引入库尔巴克-莱布勒散度惩罚项,对合规性标量奖励进行动态修正,得到修正后的标量奖励;
49、根据修正后的标量奖励,利用广义优势估计计算优势值,并联合多目标损失进行梯度下降更新,直至应用程序编程接口指令收敛于安全规范最优边界,得到合规可执行的自动化阻断指令集。
50、根据本发明实施例的第二方面,提供了一种电力监控态势感知与智能防御系统。
51、在一个实施例中,所述电力监控态势感知与智能防御系统,包括:
52、底层态势感知模块,用于根据资源负载综合指标和多模态网络态势初始数据构建资源-威胁状态向量,并将资源-威胁状态向量输入动态计算门控网络以进行特征提取与融合,得到底层多维监测态势数据;
53、属性攻击图构建模块,用于根据多源异构安全日志和底层多维监测态势数据构建属性攻击图,并对属性攻击图进行标准化映射,得到标准化攻击图数据;多源异构安全日志包括凭据访问日志、防火墙拦截日志以及数据采集与监视控制系统的事件日志;
54、模型推理模块,用于将标准化攻击图数据及多源异构安全日志输入电力垂直大语言模型中进行推理,得到攻击预警报告;
55、智能体自动响应模块,用于根据攻击预警报告与预设阈值,在本地电力安全知识库中进行自主调度知识检索,并基于检索得到的历史相似攻击预案生成自动化阻断指令集,通过自动化阻断指令集完成异常行为的自动化阻断。
56、在一个实施例中,底层态势感知模块包括:
57、数据预处理模块,用于实时采集初始多模态态势数据,并对初始多模态态势数据进行净化与重构预处理,生成多模态网络态势初始数据;
58、状态向量构建模块,用于实时采集边缘节点的资源负载综合指标,并结合多模态网络态势初始数据进行轻量化威胁浅层评估,生成当前时刻的资源-威胁状态向量;
59、多路特征提取模块,用于将当前时刻的资源-威胁状态向量输入至动态计算门控网络,并通过可微分离散采样算法生成二进制决策掩码向量,根据二进制决策掩码向量动态确定特征提取路径,基于特征提取路径进行多路特征提取,得到异构特征提取结果;
60、特征深度检索模块,用于利用多模态不对称交叉注意力机制对异构特征提取结果进行初步特征检索,得到初步检索后的特征,并利用动态调节算法对初步检索后的特征进行自适应加权求和,得到底层多维监测态势数据。
61、在一个实施例中,属性攻击图构建模块包括:
62、实体提取模块,用于通过自适应日志检索机制动态获取多源异构安全日志,并利用命名实体识别算法对多源异构安全日志进行实体提取,得到工控实体;
63、拓扑关联模块,用于根据底层多维监测态势数据识别出威胁行为节点,并结合工控实体进行拓扑关联,生成属性攻击图;
64、标准化语义对齐模块,用于利用预定义的自然语言处理映射本体库,将属性攻击图中的威胁行为节点与对抗性战术、技术与常识框架中的战术和技术矩阵进行标准化语义对齐,得到标准化攻击图数据。
65、在一个实施例中,模型推理模块包括:
66、词表扩充模块,用于选用基于仅解码器架构的大语言模型,利用字节对编码算法在大语言模型的原始词表基础上注入电力专用文本标记进行词表扩充,得到电力垂直大语言模型;
67、标准提示词模板生成模块,用于对所有标准化攻击图数据与多源异构安全日志进行统一格式化预处理,得到标准提示词模板;
68、参数调整与优化模块,用于将标准提示词模板输入电力垂直大语言模型,在电力垂直大语言模型的微调阶段冻结基座预训练权重矩阵,并结合可训练低秩分解矩阵和自回归交叉熵损失函数进行参数调整与优化,得到优化后的电力垂直大语言模型;
69、思维链推理模块,用于利用思维链推理机制,驱动优化后的电力垂直大语言模型进行级联推理,得到攻击预警报告。
70、根据本发明实施例的第三方面,提供了一种计算机设备。
71、在一些实施例中,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
72、根据本发明实施例的第四方面,提供了计算机可读存储介质。
73、在一个实施例中,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
74、本发明实施例提供的技术方案可以包括以下有益效果:
75、1、本发明通过安全深度审计与边缘工控算力资源的动态博弈平衡机制,避免了现有技术在电力边缘网关执行安全检测时,采用静态模型结构导致的因算力挤占导致电力调度主业务,例如面向通用对象的变电站事件/采样值(goose/sv)报文转发产生高危延迟。本发明通过引入资源与威胁双重感知的动态计算门控网络,并通过直通gumbel-softmax算法(即直通激活函数)实现可微分离散路由决策。系统能够实时感知边缘节点的cpu/内存死活状态及网络威胁的严峻程度,在平时,即高负载低威胁自动休眠高能耗的变换器模型(transformer)和时序图网络(tgn)模块,在战时,即高危隐蔽试探强制全量唤醒三流网络。该机制在不升级现有边缘硬件的前提下,完美化解了网络安全深度计算对电力工控实时业务的物理冲击。
76、2、本发明实现了高度适应动态网络环境的跨模态特征自适应融合,即针对多模态网络态势特征,例如局部时序、全局行为、动态拓扑存在严重语义鸿沟,且传统静态权重极易失效的技术痛点,本发明在不对称交叉注意力检索的基础上,引入了由多层感知机(mlp)与归一化指数函数(softmax)构成的动态门控网络。该机制能够根据网络流量的实时上下文,例如面临扫描探测时调高局部时序权重,面临横向移动时调高拓扑权重,执行矩阵级的动态权重计算与语义对齐,极大地降低了复杂工业网络背景下的误报率与漏报率。
77、3、本发明突破了复杂隐蔽攻击多步推演的“黑盒化”瓶颈,具备极强的工业场景解释性,本发明摆脱了传统大模型纯粹依赖文本统计概率生成的固有缺陷。通过向大模型输入层强制注入电力系统的业务拓扑先验知识,例如数据采集与监视控制系统(scada)主站与间隔层智能电子设备(ied)的合规通信规则、某规约端口约束,并激活内部思维链(cot)状态机,使得大模型能够沿着真实的物理通信链路进行级联逻辑推演。系统不仅能识别单点异常,还能精准界定高级持续性威胁(apt)在工控网内的潜在横向移动路径与最终“爆炸半径”,实现了高透明度、高可解释性的防御预警。
78、4、本发明确保了高危自动化防御指令的绝对工业级合规安全,即针对大语言模型在生成防御决策时容易产生幻觉,从而误断合法电力主营业务的技术风险,本发明在模型微调阶段引入了基于人类反馈强化学习(rlhf)的近端策略优化(ppo)算法。通过构建包含策略网络、价值网络、参考网络与奖励模型的四模型联合架构,并注入库尔巴克-莱布勒(kl)散度惩罚,强制大模型生成的api阻断指令严格收敛在电力调度安全规范所偏好的帕累托最优边界内,彻底杜绝了因自动化防御导致的电网非计划性停电风险。
79、5、本发明在极端资源受限环境中实现了防御性能的代际跨越,即得益于并行的三流轻量化架构设计以及动态条件计算路由机制,底层特征提取模型在配合int8量化压缩技术后,其总参数量被严格控制在极低的量级,模型存储占用精确缩减至约1.04mb以内。系统在处理绝大多数常规业务流量时仅消耗边缘网关约30%的基础算力,不仅完美适配了极端资源受限的电力工控边缘计算环境,同时在关键时刻依然具备调动全量时空拓扑表征与云端大模型深度推理的强大防御能力。
80、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com