王志文,曹 旭,黄 涛

(1. 兰州理工大学 电气工程与信息工程学院,甘肃 兰州 730050; 2. 中国市政工程西北设计研究院有限公司,甘肃 兰州 730000)

随着互联网技术与传感器技术的进步,信息物理系统(cyber-physical systems,CPS)已经广泛应用于智能家居、化工领域、电力系统、工业控制、航空航天以及国防安全等关键基础设施中[1].2010年,震网病毒事件的发生,使CPS安全成为全世界关注的热点问题,国内外学者对CPS安全问题进行了大量研究.但是由于CPS与传统工业控制系统有所差异,传输的数据中包含着网络信息与复杂的工业信息,导致攻击产生时难以被发现.攻击检测作为一种有效的安全防护措施,已成为CPS安全的重要组成部分.

由于CPS具有一定的保护机制,当发生强度高、破坏性大的攻击时,容易被系统发现,但是对于隐蔽性较高的攻击难以直接检测,因此针对隐蔽性攻击需要重点研究[2].近几年,计算机技术快速发展,机器学习的算法也取得长足进步.对CPS数据中包含的信息,使用不依赖准确物理模型的机器学习算法区分正常与异常的数据.神经网络[3]、决策树算法[4]、逻辑回归算法[5]、K-临近算法[6]等已经应用于CPS攻击检测.

支持向量机(support vector machine,SVM)是由Vapnik等[7]提出的机器学习算法,并在攻击检测领域有着良好的应用.Shamsul等[8]针对SCADA系统,利用SVM监控设备间通信性能以及检测输入的异常.Kim等[9]基于KDD 99数据集,通过对比SVM与决策树算法,得出SVM攻击检测性能优于决策树算法的结论.Shang等[10]分析Modbus/TCP通信协议的规则,提出了一种基于聚类……