一种电力调度跨区网络安全隔离与快速防护方法与系统与流程
本发明涉及电力系统自动化与网络安全,更具体地说,是一种电力调度跨区网络安全隔离与快速防护方法与系统。
背景技术:
1、电力调度自动化系统是国家电网安全稳定运行的核心控制系统,其跨区网络安全隔离与数据防护是保障电力生产控制大区与管理信息大区之间数据安全交换的关键环节,生产控制大区与管理信息大区之间必须实施严格的横向隔离,以防止恶意代码、网络攻击从管理信息大区侵入生产控制大区,造成电网安全事故。
2、目前,电力调度自动化系统的跨区安全隔离主要依赖于正向隔离装置和反向隔离装置。这些隔离装置通常采用深度检查机制:对每一个跨区传输的数据包进行逐层协议解析,包括解析数据链路层、网络层、传输层头部信息,校验应用层协议格式,比对负载内容的合法性,这种深度检查机制在理论上能够有效拦截非法数据包,防范伪装成正常业务的攻击流量。
3、然而,这种逐包拆解后进行深度比对的安全策略在保障安全性的同时,也带来了严重的数据传输延迟问题。以一个典型的紧急跳闸指令为例:当电网发生短路故障时,调度自动化系统需要在毫秒级时间内向故障区域的终端设备下发切断指令。该指令从生产控制大区发送至管理信息大区,在跨区边界处需经过隔离装置的完整处理流程:接收缓存、协议识别、头部解析、负载拆解、内容比对、转发决策等。在隔离装置处理队列较长或负载较高时,单个数据包的处理延迟可能达到数百毫秒甚至数秒。这种延迟对于时间敏感的电力调度业务是致命的,数秒的迟滞可能导致故障无法及时隔离,引发电压崩溃、设备损坏,甚至造成大范围停电事故。
4、为解决上述问题,部分现有技术尝试引入快速转发机制。例如,中国专利cn121441635a提出了一种电力系统横向隔离与安全数据传输方法,该方法通过获取头部信息生成会话令牌,在转发安全自描述数据单元时获取特征数据并与会话令牌比较,满足条件时直接转发,并维护滑动时间窗口进行异常行为识别。该方案在一定程度上提高了转发效率,但其存在以下不足:
5、第一,该方案对所有跨区数据一视同仁,未区分紧急调度指令与非紧急调度指令,导致快速通道的资源可能被大量非紧急数据占用,紧急指令仍可能面临排队等待。
6、第二,该方案的准入决策基于令牌匹配的二元判断,缺乏对指令风险进行量化评估的能力。无法区分低风险指令与高风险指令,存在要么全信任、要么全不信任的极端化倾向。
7、第三,该方案的异常行为识别基于滑动窗口统计,仅能发现流量层面的统计学异常,无法检测指令内容本身是否造成终端执行异常。其反馈机制局限于隔离装置自身的转发行为统计,未引入终端执行结果的验证闭环。
8、此外,现有技术中还存在基于动态信任评估的计算任务调度方法、基于集成学习的工控系统安全检测方法等。但这些方案或应用于不同技术场景,或仅关注检测准确率而未与跨区快速转发的决策机制深度耦合,难以直接应用于电力调度自动化系统的跨区边界场景。
9、因此,如何在保障跨区网络安全隔离的前提下,针对紧急调度指令实现低延迟、高可靠的快速转发,同时能够量化评估指令风险并基于执行结果动态优化信任策略,成为本领域亟待解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种电力调度跨区网络安全隔离与快速防护方法与系统,以解决现有技术中跨区边界处紧急调度指令因繁琐的深度解析与拆解检查导致转发延迟高、难以兼顾安全防护与通信实时性,以及现有快速转发方案缺乏对指令风险的量化评估、无法区分紧急与非紧急业务、缺少基于终端执行反馈的动态信任自适应的技术问题。
2、为实现上述目的,本发明提供如下技术方案:一种电力调度跨区网络安全隔离与快速防护方法,包括以下步骤:
3、s1、获取跨区边界处的初始调度指令数据流,通过报文解析规则提取所述初始调度指令数据流的协议头部标识与负载长度特征,得到第一特征集合;
4、s2、采用机器学习分类模型对所述第一特征集合进行分类处理,得到指令优先级标签,若所述指令优先级标签为紧急调度,则提取所述初始调度指令数据流的源节点地址与目的节点地址,得到第一地址对;
5、s3、根据所述第一地址对查询预先建立的信任通信矩阵,判断所述第一地址对是否存在于所述信任通信矩阵中,若存在,则对所述初始调度指令数据流的协议格式特征进行协议格式比对,获得第一比对结果;
6、s4、若所述第一比对结果为匹配,则采用集成学习风险评估算法对所述第一特征集合进行风险判定,得到第一风险概率数值;
7、s5、判断所述第一风险概率数值是否小于预设的风险阈值,若小于所述预设的风险阈值,则对所述初始调度指令数据流生成用于跨区边界快速转发的免拆解通行凭证,得到携带凭证的第二调度指令数据流;
8、s6、获取所述携带凭证的第二调度指令数据流,通过跨区边界的转发通道直接下发所述携带凭证的第二调度指令数据流,获得终端执行反馈状态;
9、s7、根据所述终端执行反馈状态更新所述信任通信矩阵的通信频次记录,得到更新后的信任通信矩阵,输出针对所述第二调度指令数据流的执行控制指令;
10、s8、将所述初始调度指令数据流送入传统的深度安全检查通道进行处理;
11、s9、拒绝所述初始调度指令数据流的跨区转发。
12、本技术再进一步的技术方案:所述步骤s2中采用机器学习分类模型对所述第一特征集合进行分类处理,得到指令优先级标签,具体包括:
13、s21、提取所述第一特征集合并输入所述机器学习分类模型;
14、s22、通过所述机器学习分类模型提取所述第一特征集合中的协议头部标识特征数据与负载长度特征数据;
15、s23、根据所述协议头部标识特征数据与所述负载长度特征数据计算优先级评分值;
16、s24、判断所述优先级评分值是否超过紧急调度阈值;
17、s25、若所述优先级评分值超过所述紧急调度阈值,判定所述指令优先级标签为紧急调度。
18、本技术再进一步的技术方案:所述步骤s3中根据所述第一地址对查询预先建立的信任通信矩阵,判断所述第一地址对是否存在于所述信任通信矩阵中,具体包括:
19、s31、提取所述第一地址对中的源节点地址与目的节点地址;
20、s32、在所述预先建立的信任通信矩阵中遍历查找与所述源节点地址匹配的行索引;
21、s33、在所述预先建立的信任通信矩阵中遍历查找与所述目的节点地址匹配的列索引;
22、s34、根据查找到的所述行索引与所述列索引确定目标矩阵元素;
23、s35、判断所述目标矩阵元素是否为空,若不为空,判定所述第一地址对存在于所述信任通信矩阵中。
24、本技术再进一步的技术方案:所述步骤s4中采用集成学习风险评估算法对所述第一特征集合进行风险判定,得到第一风险概率数值,具体包括:
25、s41、获取所述集成学习风险评估算法中的多个基分类器,确定所述多个基分类器的总数量;
26、s42、针对所述多个基分类器中的每个基分类器,获取该基分类器的权重系数;
27、s43、提取所述第一特征集合并输入该基分类器,获取该基分类器对所述第一特征集合的风险评估函数输出值;
28、s44、获取该基分类器的训练时间距当前时刻的时间差;
29、s45、获取预设的时间衰减系数;
30、s46、根据所述时间衰减系数与所述时间差计算该基分类器的时间衰减因子;
31、s47、对所述权重系数、所述风险评估函数输出值以及所述时间衰减因子执行相乘处理,计算该基分类器的加权风险评估值;
32、s48、对所述多个基分类器的加权风险评估值进行求和处理,得到所述第一风险概率数值。
33、本技术再进一步的技术方案:所述步骤s23中根据所述协议头部标识特征数据与所述负载长度特征数据计算优先级评分值,具体包括:
34、s231、获取所述负载长度特征数据对应的负载长度特征值;
35、s232、获取预设的最大负载长度阈值;
36、s233、计算所述负载长度特征值与所述最大负载长度阈值的比值,得到负载长度归一化值;
37、s234、获取所述协议头部标识特征数据对应的哈希映射特征值;
38、s235、获取所述初始调度指令数据流对应类型指令的历史出现频次;
39、s236、对所述负载长度归一化值、所述哈希映射特征值以及所述历史出现频次执行加权求和处理,得到所述优先级评分值。
40、本技术再进一步的技术方案:所述步骤s5中对所述初始调度指令数据流生成用于跨区边界快速转发的免拆解通行凭证,得到携带凭证的第二调度指令数据流,具体包括:
41、s51、提取所述初始调度指令数据流的唯一标识码;
42、s52、根据所述唯一标识码与所述第一风险概率数值生成凭证签名数据;
43、s53、对所述凭证签名数据执行封装处理得到所述免拆解通行凭证;
44、s54、在所述初始调度指令数据流的报文头部附加所述免拆解通行凭证;
45、s55、根据附加所述免拆解通行凭证后的所述初始调度指令数据流生成所述携带凭证的第二调度指令数据流。
46、本技术再进一步的技术方案:所述步骤s7中根据所述终端执行反馈状态更新所述信任通信矩阵的通信频次记录,得到更新后的信任通信矩阵,具体包括:
47、s71、获取所述第一地址对在所述信任通信矩阵中的当前信任度数值、预设的学习率参数、所述终端执行反馈状态对应的成功率归一化值、所述第一地址对的累计通信频次与预设最大通信频次的比值得到的频次归一化值、以及根据预设的时间间隔衰减因子与距离上次通信的时间间隔计算得到的时间衰减项;
48、s72、根据所述成功率归一化值、所述频次归一化值以及所述时间衰减项计算信任度增量,将所述信任度增量与所述学习率参数相乘得到信任度调整值,将所述当前信任度数值与所述信任度调整值相加得到更新后的信任度数值;
49、s73、根据所述更新后的信任度数值替换所述信任通信矩阵中所述第一地址对对应的数值,得到所述更新后的信任通信矩阵。
50、本技术再进一步的技术方案:所述步骤s5中生成的所述免拆解通行凭证具有预设的有效生命周期,在所述步骤s6通过跨区边界的转发通道直接下发所述携带凭证的第二调度指令数据流之前,还需验证所述免拆解通行凭证中的时间戳是否在所述有效生命周期内,若超出则拒绝直接下发。
51、本技术再进一步的技术方案:所述步骤s7中更新所述信任通信矩阵时,若所述终端执行反馈状态对应的成功率归一化值为零,则将所述第一地址对在所述信任通信矩阵中的当前信任度数值减小一个预设的负向惩罚值。
52、一种电力调度跨区网络安全隔离与快速防护系统,包括:
53、数据流获取与特征提取模块,用于获取跨区边界处的初始调度指令数据流,通过报文解析规则提取所述初始调度指令数据流的协议头部标识与负载长度特征,得到第一特征集合;
54、分类处理与地址提取模块,用于采用机器学习分类模型对所述第一特征集合进行分类处理,得到指令优先级标签,若所述指令优先级标签为紧急调度,则提取所述初始调度指令数据流的源节点地址与目的节点地址,得到第一地址对;
55、矩阵查询与格式比对模块,用于根据所述第一地址对查询预先建立的信任通信矩阵,判断所述第一地址对是否存在于所述信任通信矩阵中,若存在,则对所述初始调度指令数据流的协议格式特征进行协议格式比对,获得第一比对结果;
56、风险评估与判定模块,用于若所述第一比对结果为匹配,则采用集成学习风险评估算法对所述第一特征集合进行风险判定,得到第一风险概率数值;
57、阈值判断与凭证生成模块,用于判断所述第一风险概率数值是否小于预设的风险阈值,若小于所述预设的风险阈值,则对所述初始调度指令数据流生成用于跨区边界快速转发的免拆解通行凭证,得到携带凭证的第二调度指令数据流;
58、指令下发与状态获取模块,用于获取所述携带凭证的第二调度指令数据流,通过跨区边界的转发通道直接下发所述携带凭证的第二调度指令数据流,获得终端执行反馈状态;
59、矩阵更新与指令输出模块,用于根据所述终端执行反馈状态更新所述信任通信矩阵的通信频次记录,得到更新后的信任通信矩阵,输出针对所述第二调度指令数据流的执行控制指令。
60、采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
61、1、本发明通过采用机器学习分类模型对第一特征集合进行分类处理,精准识别紧急调度指令,并仅在指令优先级标签为紧急调度时才激活后续的快速通道流程;同时,通过对低风险紧急指令生成免拆解通行凭证,使得该类指令在跨区边界处无需经过繁琐的协议拆解和深度内容比对,即可通过跨区边界的转发通道直接下发,有效避免了紧急调度指令在深度检查队列中的排队等待和逐层拆包处理,将原本可能达数秒的转发延迟降低至毫秒级,从而提高了紧急调度指令的转发速度。
62、2、本发明通过采用集成学习风险评估算法对第一特征集合进行风险判定,输出连续的第一风险概率数值,并将该数值与预设风险阈值进行比较,仅当风险概率低于阈值时才生成免拆解通行凭证,实现了对调度指令风险的精细化量化评估。同时,优先级识别和信任通信矩阵查询、协议格式比对共同构成了多阶段安全校验链,确保只有同时满足紧急调度、存在于信任矩阵、协议格式匹配和低风险四个条件的指令才能获得快速转发授权,通过量化风险评估与多阶段校验的有机结合,在提升紧急指令转发效率的同时,并未降低安全防护等级,突破了现有快速转发方案中安全性与效率难以兼顾的技术瓶颈。
63、3、本发明通过获取终端执行反馈状态,并根据该反馈状态更新信任通信矩阵的通信频次记录,具体包括根据成功率归一化值、累计通信频次归一化值及时间衰减项计算信任度增量,动态调整第一地址对在信任矩阵中的信任度数值。使系统能够根据指令的真实执行结果持续优化信任策略。使得终端反馈能够发现指令内容虽符合协议规范但执行结果异常的深层次安全威胁。
64、4、本发明可以将指令优先级标签不为紧急调度时,将非紧急调度指令送入传统的深度安全检查通道进行处理,避免了非紧急业务挤占快速通道资源;同时当第一地址对不存在于信任通信矩阵时,拒绝该指令的跨区转发,确保了未知或不可信地址对的指令无法进入快速通道。上述机制与快速通道协同工作,形成了紧急优先、可信准入、低风险通过以及其他深度检查的分级防护体系,在提升紧急指令转发效率的同时,未降低整体安全防护水平。
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