本技術(shù)涉及電網(wǎng)系統(tǒng)安全分析領域,尤其涉及一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建方法、預防方法和裝置。
背景技術(shù):
1、隨著電網(wǎng)系統(tǒng)信息化的不斷發(fā)展,電網(wǎng)系統(tǒng)的數(shù)據(jù)安全也愈發(fā)重要,針對電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊事件會嚴重影響電網(wǎng)系統(tǒng)的正常運行。而根據(jù)過往的攻擊事件等數(shù)據(jù)對電網(wǎng)系統(tǒng)的攻擊進行建模,形成攻擊圖,并根據(jù)攻擊圖針對性進行預防,能夠有效提高電網(wǎng)系統(tǒng)的數(shù)據(jù)安全性能。因此,需要對電網(wǎng)系統(tǒng)構(gòu)建攻擊圖以根據(jù)攻擊圖作出預防動作。
2、在現(xiàn)有技術(shù)中,構(gòu)建電網(wǎng)系統(tǒng)的攻擊圖通常包括以下方法:(1)基于模型檢測技術(shù)的攻擊圖生成方法,這種方法需要對電網(wǎng)系統(tǒng)整體進行建模,模型較為復雜,得到的攻擊圖的復雜度也較高,攻擊圖的部分細節(jié)可能無法兼顧,導致攻擊圖的準確性下降;(2)基于圖論的攻擊圖生成方法,這種方法生成的攻擊圖規(guī)模小,對于大型的電網(wǎng)系統(tǒng)難以適配,導致根據(jù)攻擊圖進行分析時的準確性不足。因此,如何構(gòu)建更準確的電網(wǎng)系統(tǒng)的攻擊圖以對電網(wǎng)系統(tǒng)的攻擊進行預防是現(xiàn)有技術(shù)中亟待解決的問題。
技術(shù)實現(xiàn)思路
1、本技術(shù)提供了一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建方法、預防方法和裝置,以解決現(xiàn)有技術(shù)中電網(wǎng)系統(tǒng)的攻擊圖的準確度不高的技術(shù)問題。
2、根據(jù)本技術(shù)實施方式的第一方面,提供一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建方法,包括:
3、對電網(wǎng)系統(tǒng)的運行日志進行特征提取,得到網(wǎng)絡特征數(shù)據(jù);其中,所述網(wǎng)絡特征數(shù)據(jù)包括節(jié)點拓撲圖和訪問路徑集;
4、根據(jù)社區(qū)發(fā)現(xiàn)算法,將所述節(jié)點拓撲圖劃分為多個子網(wǎng)絡圖,并根據(jù)所述訪問路徑集,識別所述多個子網(wǎng)絡圖中的若干條攻擊路徑,得到多個攻擊路徑集;
5、基于歷史攻擊事件集和所述多個攻擊路徑集,計算所述多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率,并根據(jù)所述貝葉斯攻擊概率,構(gòu)建與所述多個子網(wǎng)絡圖對應的多個貝葉斯子攻擊圖;
6、根據(jù)所述多個子網(wǎng)絡圖之間的若干條關聯(lián)邊,融合所述多個貝葉斯子攻擊圖得到所述電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖。
7、本技術(shù)先對電網(wǎng)系統(tǒng)的運行日志進行特征提取得到包括節(jié)點拓撲圖和訪問路徑集的網(wǎng)絡特征數(shù)據(jù),再根據(jù)社區(qū)發(fā)現(xiàn)算法將節(jié)點拓撲圖劃分為多個子網(wǎng)絡圖,能夠?qū)碗s的電網(wǎng)系統(tǒng)拓撲劃分為多個簡單的子網(wǎng)絡圖,然后根據(jù)訪問路徑集識別得到多個攻擊路徑集,能夠使得到的攻擊路徑集限制于對應的子網(wǎng)絡圖中,減少因路徑跨越子網(wǎng)絡圖導致的復雜度上升;進而根據(jù)歷史攻擊事件集和多個攻擊路徑集,計算多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率,進而構(gòu)建多個貝葉斯子攻擊圖,通過貝葉斯方法進行攻擊概率計算更精確,從而使獲得的貝葉斯子攻擊圖更精確;再根據(jù)多個子網(wǎng)絡圖之間的若干條關聯(lián)邊融合多個貝葉斯子攻擊圖得到網(wǎng)絡攻擊圖,確保各子網(wǎng)絡圖內(nèi)部的攻擊路徑能夠根據(jù)關聯(lián)邊與其他子網(wǎng)絡圖的攻擊路徑連接,能夠?qū)⒍鄠€子網(wǎng)絡圖重新關聯(lián),提高各子網(wǎng)絡圖的攻擊路徑的關聯(lián)度,從而提高構(gòu)建得到的網(wǎng)絡攻擊圖的準確度。
8、在本技術(shù)的某些實施方式中,所述根據(jù)社區(qū)發(fā)現(xiàn)算法,將所述節(jié)點拓撲圖劃分為多個子網(wǎng)絡圖,具體包括:
9、將所述節(jié)點拓撲圖中的單個節(jié)點視為社區(qū),得到多個初始社區(qū),并根據(jù)所述節(jié)點拓撲圖,對所述多個初始社區(qū)進行迭代,迭代時根據(jù)每個初始社區(qū)與相鄰初始社區(qū)的社區(qū)合并增益,將多個初始社區(qū)合并得到多個更新社區(qū),直至每個更新社區(qū)的社區(qū)合并增益均不超過預設閾值,輸出最后迭代得到的多個更新社區(qū);
10、根據(jù)最后迭代得到的多個更新社區(qū),對所述節(jié)點拓撲圖進行劃分,得到多個子網(wǎng)絡圖。
11、本技術(shù)先根據(jù)節(jié)點拓撲圖各節(jié)點構(gòu)建多個初始社區(qū),并對多個初始社區(qū)進行迭代,迭代時根據(jù)計算的社區(qū)合并增益將多個初始社區(qū)合并得到多個更新社區(qū),并根據(jù)最后迭代得到的多個更新社區(qū)劃分節(jié)點拓撲圖得到多個子網(wǎng)絡圖,相比于現(xiàn)有技術(shù),將復雜的電網(wǎng)系統(tǒng)拓撲通過社區(qū)發(fā)現(xiàn)算法劃分為多個簡單的子網(wǎng)絡圖能夠?qū)⑾到y(tǒng)攻擊圖的構(gòu)建復雜度降低至每個子網(wǎng)絡圖的攻擊圖的構(gòu)建中,且在每個簡單的子網(wǎng)絡圖中進行攻擊圖的構(gòu)建相比于在復雜的整體電網(wǎng)系統(tǒng)中進行攻擊圖的構(gòu)建更精確,更不容易丟失攻擊圖的細節(jié),從而能夠提高最終構(gòu)建得到的網(wǎng)絡攻擊圖的準確度。
12、在本技術(shù)的某些實施方式中,所述根據(jù)所述訪問路徑集,識別所述多個子網(wǎng)絡圖中的若干條攻擊路徑,得到多個攻擊路徑集,具體包括:
13、所述訪問路徑集的數(shù)據(jù)類別包括源節(jié)點地址、目標節(jié)點地址和訪問類型;
14、依次選取一個子網(wǎng)絡圖作為當前子網(wǎng)絡圖,基于預設的路徑匹配識別方法,根據(jù)所述訪問路徑集確定當前子網(wǎng)絡圖對應的攻擊路徑集,直至所述多個子網(wǎng)絡圖均得到對應的攻擊路徑集;
15、其中,所述路徑匹配識別方法,包括:根據(jù)當前子網(wǎng)絡圖的各節(jié)點,于所述訪問路徑集中進行匹配,得到多條訪問路徑,并將所述多條訪問路徑組合為當前子網(wǎng)絡圖對應的攻擊路徑集;所述訪問路徑滿足源節(jié)點地址與目標節(jié)點地址對應的節(jié)點均處于當前子網(wǎng)絡圖中。
16、本技術(shù)根據(jù)訪問路徑集并基于路徑匹配識別方法確定每個子網(wǎng)絡圖對應的攻擊路徑集,通過歷史訪問路徑確定當前子網(wǎng)絡圖的可選擇的攻擊路徑,排除了部分未被選擇或不可選擇的路徑,能夠使攻擊路徑集更適應于真實的攻擊事件,從而能夠提高最終構(gòu)建得到的網(wǎng)絡攻擊圖的準確度;同時,能夠使得到的攻擊路徑集限制于對應的子網(wǎng)絡圖中,減少因路徑跨越子網(wǎng)絡圖導致的復雜度上升。
17、在本技術(shù)的某些實施方式中,所述基于歷史攻擊事件集和所述多個攻擊路徑集,計算所述多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率,并根據(jù)所述貝葉斯攻擊概率,構(gòu)建與所述多個子網(wǎng)絡圖對應的多個貝葉斯子攻擊圖,具體包括:
18、根據(jù)歷史攻擊事件集和所述多個攻擊路徑集,確定所述多個子網(wǎng)絡圖各自的若干條邊的加權(quán)頻率;
19、根據(jù)所述多個子網(wǎng)絡圖中各自的若干條邊的加權(quán)頻率,計算所述多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率;
20、根據(jù)所述貝葉斯攻擊概率,構(gòu)建與所述多個子網(wǎng)絡圖對應的多個貝葉斯子攻擊圖。
21、本技術(shù)先根據(jù)歷史攻擊事件集和多個攻擊路徑集確定多個子網(wǎng)絡圖各自的若干條邊的加權(quán)頻率,以此計算多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊頻率,進而構(gòu)建對應的多個貝葉斯子攻擊圖,通過歷史攻擊事件集和多個攻擊路徑集確定邊的加權(quán)頻率,能夠放大因歷史攻擊事件和可選擇的攻擊路徑而產(chǎn)生潛在攻擊的概率,使構(gòu)建得到的貝葉斯子攻擊圖更能反映實際潛在攻擊所對應的攻擊路徑,從而提高最后構(gòu)建得到的網(wǎng)絡攻擊圖的準確度。
22、在本技術(shù)的某些實施方式中,所述根據(jù)所述多個子網(wǎng)絡圖之間的若干條關聯(lián)邊,融合所述多個貝葉斯子攻擊圖得到所述電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖,具體包括:
23、根據(jù)所述節(jié)點拓撲圖,獲取所述多個子網(wǎng)絡圖之間的若干條關聯(lián)邊;
24、對于每個子網(wǎng)絡圖,根據(jù)所述若干條關聯(lián)邊,選擇當前子網(wǎng)絡圖與對應鄰接的各子網(wǎng)絡圖的各第一關聯(lián)邊,并根據(jù)所述第一關聯(lián)邊,融合當前子網(wǎng)絡圖對應的貝葉斯子攻擊圖和對應鄰接的各子網(wǎng)絡圖對應的各貝葉斯子攻擊圖,得到所述電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖;其中,所述第一關聯(lián)邊為當前子網(wǎng)絡圖與對應鄰接的各子網(wǎng)絡圖的所有關聯(lián)邊中權(quán)重最大的關聯(lián)邊。
25、本技術(shù)先根據(jù)節(jié)點拓撲圖獲取多個子網(wǎng)絡圖之間的若干條關聯(lián)邊,再根據(jù)若干條關聯(lián)邊融合多個貝葉斯子攻擊圖得到網(wǎng)絡攻擊圖,能夠確保各子網(wǎng)絡圖內(nèi)部的攻擊路徑能夠根據(jù)關聯(lián)邊與其他子網(wǎng)絡圖的攻擊路徑連接,能夠?qū)⒍鄠€子網(wǎng)絡圖重新關聯(lián),防止各子網(wǎng)絡圖之間的關聯(lián)失真導致網(wǎng)絡攻擊圖的失真,從而提高構(gòu)建得到的網(wǎng)絡攻擊圖的準確度。
26、根據(jù)本技術(shù)實施方式的第二方面,提供一種電網(wǎng)遭受攻擊的預防方法,包括:
27、獲取電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖;其中,所述網(wǎng)絡攻擊圖由本技術(shù)所述的一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建方法所構(gòu)建;
28、基于預設概率閾值,對所述網(wǎng)絡攻擊圖進行篩選,得到多條預測攻擊路徑;
29、根據(jù)所述多條預測攻擊路徑各自的節(jié)點信息和攻擊手段,生成對應的多個預防策略,并根據(jù)所述多個預防策略進行預防。
30、本技術(shù)先獲取網(wǎng)絡攻擊圖并根據(jù)網(wǎng)絡攻擊圖得到多條預測攻擊路徑,再根據(jù)多條預測攻擊路徑的節(jié)點信息和攻擊手段生成對應的多個預防策略并進行預防,能夠更準確地進行攻擊預防并在攻擊到達時及時預防。
31、根據(jù)本技術(shù)實施方式的第三方面,提供一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建裝置,包括特征提取模塊、劃分識別模塊、子攻擊圖構(gòu)建模塊和攻擊圖構(gòu)建模塊;
32、所述特征提取模塊,用于對電網(wǎng)系統(tǒng)的運行日志進行特征提取,得到網(wǎng)絡特征數(shù)據(jù);其中,所述網(wǎng)絡特征數(shù)據(jù)包括節(jié)點拓撲圖和訪問路徑集;
33、所述劃分識別模塊,用于根據(jù)社區(qū)發(fā)現(xiàn)算法,將所述節(jié)點拓撲圖劃分為多個子網(wǎng)絡圖,并根據(jù)所述訪問路徑集,識別所述多個子網(wǎng)絡圖中的若干條攻擊路徑,得到多個攻擊路徑集;
34、所述子攻擊圖構(gòu)建模塊,用于基于歷史攻擊事件集和所述多個攻擊路徑集,計算所述多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率,并根據(jù)所述貝葉斯攻擊概率,構(gòu)建與所述多個子網(wǎng)絡圖對應的多個貝葉斯子攻擊圖;
35、所述攻擊圖構(gòu)建模塊,用于根據(jù)所述多個子網(wǎng)絡圖之間的若干條關聯(lián)邊,融合所述多個貝葉斯子攻擊圖得到所述電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖。
36、在本技術(shù)的某些實施方式中,所述劃分識別模塊包括拓撲劃分子模塊;所述拓撲劃分子模塊包括社區(qū)迭代單元和拓撲劃分單元;
37、所述社區(qū)迭代單元,用于將所述節(jié)點拓撲圖中的單個節(jié)點視為社區(qū),得到多個初始社區(qū),并根據(jù)所述節(jié)點拓撲圖,對所述多個初始社區(qū)進行迭代,迭代時根據(jù)每個初始社區(qū)與相鄰初始社區(qū)的社區(qū)合并增益,將多個初始社區(qū)合并得到多個更新社區(qū),直至每個更新社區(qū)的社區(qū)合并增益均不超過預設閾值,輸出最后迭代得到的多個更新社區(qū);
38、所述拓撲劃分單元,用于根據(jù)最后迭代得到的多個更新社區(qū),對所述節(jié)點拓撲圖進行劃分,得到多個子網(wǎng)絡圖。
39、在本技術(shù)的某些實施方式中,所述劃分識別模塊包括路徑識別子模塊;所述訪問路徑集的數(shù)據(jù)類別包括源節(jié)點地址、目標節(jié)點地址和訪問類型;
40、所述路徑識別子模塊,用于依次選取一個子網(wǎng)絡圖作為當前子網(wǎng)絡圖,基于預設的路徑匹配識別方法,根據(jù)所述訪問路徑集確定當前子網(wǎng)絡圖對應的攻擊路徑集,直至所述多個子網(wǎng)絡圖均得到對應的攻擊路徑集;
41、其中,所述路徑匹配識別方法,包括:根據(jù)當前子網(wǎng)絡圖的各節(jié)點,于所述訪問路徑集中進行匹配,得到多條訪問路徑,并將所述多條訪問路徑組合為當前子網(wǎng)絡圖對應的攻擊路徑集;所述訪問路徑滿足源節(jié)點地址與目標節(jié)點地址對應的節(jié)點均處于當前子網(wǎng)絡圖中。
42、在本技術(shù)的某些實施方式中,所述子攻擊圖構(gòu)建模塊包括加權(quán)頻率確定子模塊、攻擊概率計算子模塊和子攻擊圖構(gòu)建子模塊;
43、所述加權(quán)頻率確定子模塊,用于根據(jù)歷史攻擊事件集和所述多個攻擊路徑集,確定所述多個子網(wǎng)絡圖各自的若干條邊的加權(quán)頻率;
44、所述攻擊概率計算子模塊,用于根據(jù)所述多個子網(wǎng)絡圖中各自的若干條邊的加權(quán)頻率,計算所述多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率;
45、所述子攻擊圖構(gòu)建子模塊,用于根據(jù)所述貝葉斯攻擊概率,構(gòu)建與所述多個子網(wǎng)絡圖對應的多個貝葉斯子攻擊圖。
46、在本技術(shù)的某些實施方式中,所述攻擊圖構(gòu)建模塊包括關聯(lián)邊獲取子模塊和攻擊圖構(gòu)建子模塊;
47、所述關聯(lián)邊獲取子模塊,用于根據(jù)所述節(jié)點拓撲圖,獲取所述多個子網(wǎng)絡圖之間的若干條關聯(lián)邊;
48、所述攻擊圖構(gòu)建子模塊,用于對于每個子網(wǎng)絡圖,根據(jù)所述若干條關聯(lián)邊,選擇當前子網(wǎng)絡圖與對應鄰接的各子網(wǎng)絡圖的各第一關聯(lián)邊,并根據(jù)所述第一關聯(lián)邊,融合當前子網(wǎng)絡圖對應的貝葉斯子攻擊圖和對應鄰接的各子網(wǎng)絡圖對應的各貝葉斯子攻擊圖,得到所述電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖;其中,所述第一關聯(lián)邊為當前子網(wǎng)絡圖與對應鄰接的各子網(wǎng)絡圖的所有關聯(lián)邊中權(quán)重最大的關聯(lián)邊。
49、本技術(shù)先對電網(wǎng)系統(tǒng)的運行日志進行特征提取得到包括節(jié)點拓撲圖和訪問路徑集的網(wǎng)絡特征數(shù)據(jù),再根據(jù)社區(qū)發(fā)現(xiàn)算法將節(jié)點拓撲圖劃分為多個子網(wǎng)絡圖,能夠?qū)碗s的電網(wǎng)系統(tǒng)拓撲劃分為多個簡單的子網(wǎng)絡圖,然后根據(jù)訪問路徑集識別得到多個攻擊路徑集,能夠使得到的攻擊路徑集限制于對應的子網(wǎng)絡圖中,減少因路徑跨越子網(wǎng)絡圖導致的復雜度上升;進而根據(jù)歷史攻擊事件集和多個攻擊路徑集,計算多個子網(wǎng)絡圖各節(jié)點之間的貝葉斯攻擊概率,進而構(gòu)建多個貝葉斯子攻擊圖,通過貝葉斯方法進行攻擊概率計算更精確,從而使獲得的貝葉斯子攻擊圖更精確;再根據(jù)多個子網(wǎng)絡圖之間的若干條關聯(lián)邊融合多個貝葉斯子攻擊圖得到網(wǎng)絡攻擊圖,確保各子網(wǎng)絡圖內(nèi)部的攻擊路徑能夠根據(jù)關聯(lián)邊與其他子網(wǎng)絡圖的攻擊路徑連接,能夠?qū)⒍鄠€子網(wǎng)絡圖重新關聯(lián),提高各子網(wǎng)絡圖的攻擊路徑的關聯(lián)度,從而提高構(gòu)建得到的網(wǎng)絡攻擊圖的準確度。
50、根據(jù)本技術(shù)實施方式的第四方面,提供一種電網(wǎng)遭受攻擊的預防裝置,包括攻擊圖獲取模塊、攻擊路徑篩選模塊和攻擊預防模塊;
51、所述攻擊圖獲取模塊,用于獲取電網(wǎng)系統(tǒng)的網(wǎng)絡攻擊圖;其中,所述網(wǎng)絡攻擊圖由本技術(shù)所述的一種電網(wǎng)遭受攻擊的攻擊圖構(gòu)建裝置所構(gòu)建;
52、所述攻擊路徑篩選模塊,用于基于預設概率閾值,對所述網(wǎng)絡攻擊圖進行篩選,得到多條預測攻擊路徑;
53、所述攻擊預防模塊,用于根據(jù)所述多條預測攻擊路徑各自的節(jié)點信息和攻擊手段,生成對應的多個預防策略,并根據(jù)所述多個預防策略進行預防。
54、本技術(shù)先獲取網(wǎng)絡攻擊圖并根據(jù)網(wǎng)絡攻擊圖得到多條預測攻擊路徑,再根據(jù)多條預測攻擊路徑的節(jié)點信息和攻擊手段生成對應的多個預防策略并進行預防,能夠更準確地進行攻擊預防并在攻擊到達時及時預防。