一種基于改進(jìn)支持向量機(jī)的異常檢測(cè)算法

詹 琉

（廣東工業(yè)大學(xué) 廣州 511400）

1 引言

近年來，工業(yè)互聯(lián)網(wǎng)、智能制造、物聯(lián)網(wǎng)等各種創(chuàng)新應(yīng)用發(fā)展迅速，工業(yè)控制系統(tǒng)（Industrial Control Systems，ICS）的網(wǎng)絡(luò)化控制設(shè)備和數(shù)據(jù)交換設(shè)施在增多，以及數(shù)據(jù)接入方式多樣，這些變化使得工業(yè)控制設(shè)備更容易遭受攻擊［1］。工業(yè)控制終端功能化的設(shè)計(jì)目標(biāo)，使其在設(shè)計(jì)時(shí)未能考慮安全防護(hù)的需要，有限的計(jì)算存儲(chǔ)資源也制約了安全防護(hù)措施的接入，導(dǎo)致近年來以“震網(wǎng)”病毒為代表的工業(yè)網(wǎng)絡(luò)安全事件時(shí)有發(fā)生［2］。0-day 漏洞的利用以及病毒變種的多樣性使得傳統(tǒng)基于漏洞庫(kù)的安全防護(hù)措施暴露出更多問題［3］，設(shè)計(jì)準(zhǔn)確高效且能夠應(yīng)對(duì)未知攻擊的安全防護(hù)方法成為當(dāng)前研究焦點(diǎn)［13］。

入侵檢測(cè)系統(tǒng)（IDS）是網(wǎng)絡(luò)安全的第二道防線，對(duì)網(wǎng)絡(luò)數(shù)據(jù)傳輸進(jìn)行監(jiān)控，通過對(duì)數(shù)據(jù)的分析發(fā)現(xiàn)異常行為［14～15］。IDS 引入了粗糙集理論，決策樹，隨機(jī)森林，人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（SVM）來防范未知攻擊。而SVM 是基于邊緣的分類器，基于具有良好泛化能力的小樣本學(xué)習(xí)，經(jīng)常用于現(xiàn)實(shí)世界的分類應(yīng)用［16］。同時(shí)SVM 沒有人工神經(jīng)網(wǎng)絡(luò)無法解決的過度擬合問題，但是仍然受到數(shù)據(jù)集大小的影響，由于內(nèi)存不足或長(zhǎng)時(shí)間的訓(xùn)練而導(dǎo)致系統(tǒng)故障。在現(xiàn)實(shí)生活中，數(shù)據(jù)通常具有大量不相關(guān)或過時(shí)的特征。SVM 缺乏立即擁有特征重要性的能力［4］，這最終會(huì)增加顯著的計(jì)算難度并可能導(dǎo)致預(yù)測(cè)準(zhǔn)確性較弱。PCA 的最小信息損失和LDA所需類別的最大可辨識(shí)，將這兩種技術(shù)結(jié)合起來并從其積極的方面獲益的最佳嘗試，從而獲得更好的分類性能。因此本文提出了一種PCA 與LDA 組合的半監(jiān)督降維方法和PSO-SVM相結(jié)合的工控異常檢測(cè)方法，提高了對(duì)異常行為的查準(zhǔn)率。應(yīng)用密西西比州立大學(xué)關(guān)鍵基礎(chǔ)設(shè)施保護(hù)中心提供的已進(jìn)行數(shù)值化處理的工控?cái)?shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，結(jié)果顯示本文提出的方法具有較高的檢測(cè)準(zhǔn)確率。

2 相關(guān)研究

文獻(xiàn)［5］提出改進(jìn)K-means算法在入侵檢測(cè)中的應(yīng)用，利用平均值的方法解決傳統(tǒng)K-means算法對(duì)初始聚類中心的選擇。文獻(xiàn)［6～7］均提出改進(jìn)的支持向量機(jī)的算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，在對(duì)各個(gè)攻擊類型的檢測(cè)率上得到一定的提高。文獻(xiàn)［8］提出一種了基于Snot的協(xié)議分析與檢測(cè)系統(tǒng)，該方法對(duì)特定協(xié)議與已知的非法數(shù)據(jù)包具有良好的檢測(cè)效果。文獻(xiàn)［9］提出一種基于網(wǎng)格優(yōu)化SVM參數(shù)的入侵檢測(cè)方法，發(fā)現(xiàn)該算法具有較高的檢測(cè)準(zhǔn)確率。文獻(xiàn)［10～11］均基于主成分分析法（Principal Component Analysis，PCA）對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理，從而加快收斂速度，提高檢測(cè)效率。

上述研究中，文獻(xiàn)［5～9］均采用的是傳統(tǒng)的入侵檢測(cè)方法，由于工業(yè)控制系統(tǒng)中提取的數(shù)據(jù)大都具有高維的特性，以及攻擊類型的不確定性和多樣性，導(dǎo)致入侵檢測(cè)方法耗時(shí)過長(zhǎng)或準(zhǔn)確率低。文獻(xiàn)［10～11］僅采用基于PCA 對(duì)數(shù)據(jù)進(jìn)行特征提取以減少數(shù)據(jù)降維，但是由于PCA方法只能去除有關(guān)線性結(jié)構(gòu)而非非線性結(jié)構(gòu)的信息，無法解決非線性結(jié)構(gòu)的信息降維。

3 本文方法原理和步驟

3.1 基于半監(jiān)督LDA的數(shù)據(jù)降維

通過分析PCA 和LDA 算法的基本思想，PCA算法可以用于所有樣本，并且在降維后最大限度地保留了數(shù)據(jù)的內(nèi)在信息，但忽略了數(shù)據(jù)的類別信息，并且存在諸如矩陣尺寸過大和解決方案復(fù)雜的問題。因此，為了實(shí)現(xiàn)二者的互補(bǔ)優(yōu)勢(shì)，提出了半監(jiān)督LDA 算法進(jìn)行特征提取：先使用PCA 算法減少樣本特征，再使用PCA 和LDA 的組合進(jìn)行二維減少。

主成分分析法（PCA）的基本思想是從一組特征中計(jì)算出一組按照重要性的大小從大到小依次排列的新特征，新特征是原有特征的線性組合。具體步驟如下：

1）設(shè)原始輸入數(shù)據(jù)樣本數(shù)為n，每個(gè)樣本都有p個(gè)特征屬性，即輸入數(shù)據(jù)矩陣為

計(jì)算樣本X的均值向量μ和協(xié)方差矩陣S，即

2）對(duì)協(xié)方差矩陣S 進(jìn)行特征值分解，得到特征值序列λ1≥λ2≥… ≥λp

3）計(jì)算第i個(gè)主成分的樣本貢獻(xiàn)率ρi，

4）通過累計(jì)貢獻(xiàn)率ω確定主成分分量樣本個(gè)數(shù)k，選擇前k 個(gè)特征值所對(duì)應(yīng)的特征向量，構(gòu)成投影矩陣A=[a1，a2， …，ak]，ai為p維向量 。

線性判別分析法（LDA）的基本思想是將帶上標(biāo)簽數(shù)據(jù)（點(diǎn)），通過投影（變換）的方法，投影更低維的空間。在這個(gè)低維空間中，同類樣本盡可能接近，異類樣本盡可能遠(yuǎn)離。半監(jiān)督LDA 的具體步驟如下：

1）設(shè)輸入數(shù)據(jù)為A=[a1，a2， …，ak]，ɑi為 p 維的向量，p 是經(jīng)PCA 降維后的特征數(shù)，利用LDA 再次進(jìn)行降維：設(shè)第m 個(gè)樣本種類的個(gè)數(shù)為Nm，則總的訓(xùn)練樣本個(gè)數(shù)為為樣本種類數(shù)，那么第m 個(gè)樣本種類的均值為所有訓(xùn)練樣本的平均值為

3）定義半監(jiān)督散矩陣為

其中，I 為單位矩陣。ω∈［0，1］可以調(diào)節(jié)PCA 算法和LDA 算法在半監(jiān)督降維中的作用，當(dāng)ω=0 時(shí)，半監(jiān)督降維完全改變?yōu)長(zhǎng)DA 算法；當(dāng)ω=1 時(shí)，算法完全蛻變?yōu)镻CA算法。

4）根據(jù)Fisher判別分析表達(dá)式：

σ為任一列向量，F(xiàn)isher 線性判別分析就是尋找使得J（σ）達(dá)到最大值的σ，把這一向量作為投影方向，可以找到一組最優(yōu)判別向量構(gòu)成的投影矩陣W，投影矩陣通過如下廣義特征值求解：

3.2 粒子群優(yōu)化支持向量機(jī)參數(shù)

支持向量機(jī)作為一種傳統(tǒng)的監(jiān)督學(xué)習(xí)模型，其核心在于尋找一個(gè)能夠正確對(duì)二分類數(shù)據(jù)進(jìn)行特征空間劃分的超平面，而支持向量則是處于距離超平面最近的樣本點(diǎn)。構(gòu)造與求解最優(yōu)超平面可轉(zhuǎn)化為在原空間求解一個(gè)二次回歸問題：

其中：ω為權(quán)重向量；b是分類閾值；ζi是松弛因子；C為懲罰因子。

利用拉格朗日乘數(shù)法求解問題（12），得到最優(yōu)分類函數(shù)為

其中：N 為支持向量個(gè)數(shù)；α（ii=1，2， …，N）是拉格朗日乘數(shù)。若樣本集非線性可分，則通過非線性映射到線性可分的高維特征空間，在高維特征空間構(gòu)造最優(yōu)分類面。對(duì)滿足Mercer 條件的核函數(shù)K(xi，xj)存在對(duì)應(yīng)關(guān)系K(xi，xj)=(Φ (xi)·φ(xj))。所以，高維特征空間的最優(yōu)分類函數(shù)為

粒子群算法作為一種基于迭代的優(yōu)化算法，粒子在空間中會(huì)追隨最優(yōu)粒子不斷迭代搜尋。每個(gè)粒子會(huì)根據(jù)適應(yīng)度函數(shù)確認(rèn)適應(yīng)值，適應(yīng)值是衡量粒子優(yōu)劣性的標(biāo)準(zhǔn)。速度和位置的更新公式為

1）隨機(jī)生成初始粒子群，并設(shè)置當(dāng)前迭代次數(shù)k=1，給定迭代次數(shù)上限kmax；

2）計(jì)算適應(yīng)度函數(shù)得到適應(yīng)度值，慣性權(quán)重ω，更新粒子的位置信息；

4）判斷是否達(dá)到迭代終止條件，若粒子適應(yīng)度值滿足要求或已達(dá)到給定迭代次數(shù)上限kmax，則算法結(jié)束，否則重復(fù)步驟3）進(jìn)行迭代。

本次實(shí)驗(yàn)粒子數(shù)為30，迭代上限kmax=300，加速因子c1=1.7，c2=1.5。

4 仿真實(shí)驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)來源與數(shù)據(jù)預(yù)處理

密西西比州立大學(xué)關(guān)鍵基礎(chǔ)設(shè)施保護(hù)中心公開數(shù)據(jù)集［12］。公開數(shù)據(jù)集提供了四個(gè)數(shù)據(jù)集，本文選擇其中10%的儲(chǔ)水罐系統(tǒng)的事務(wù)數(shù)據(jù)集。該數(shù)據(jù)集除了包括正常運(yùn)行的過程控制和過程測(cè)量以及針對(duì)SCADA 系統(tǒng)的攻擊。攻擊的類別分四類：偵察，響應(yīng)注入，命令注入和拒絕服務(wù)（Dos）。在數(shù)據(jù)集中，每條網(wǎng)絡(luò)數(shù)據(jù)包括27個(gè)標(biāo)記特征，其中26個(gè)為連接特征，一個(gè)為標(biāo)記，用于標(biāo)記數(shù)據(jù)是哪一個(gè)類別。因?yàn)楣た叵到y(tǒng)從網(wǎng)絡(luò)上采集的入侵特征值擁有不同的度量單位，樣本特征屬性也各不相同，本文進(jìn)行歸一化預(yù)處理以消除這些不利因素的影響，具體的描述為

數(shù)據(jù)集進(jìn)行歸一化處理后，采用PCA 和LDA組合方法進(jìn)行特征提取，調(diào)節(jié)式（8）～（9）中的ω，即PCA 算法中累計(jì)貢獻(xiàn)率調(diào)整半監(jiān)督降維方法的偏向程度，最終本文選擇ω=0.9 對(duì)數(shù)據(jù)集進(jìn)行降維處理得到的實(shí)驗(yàn)結(jié)果較好。

實(shí)驗(yàn)數(shù)據(jù)集由10%儲(chǔ)水罐系統(tǒng)事務(wù)數(shù)據(jù)集中的10000 條構(gòu)成，將實(shí)驗(yàn)數(shù)據(jù)分成兩組，組成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，其中測(cè)試數(shù)據(jù)集又分為三組。為了評(píng)估分類器性能，本文使用查準(zhǔn)率（Precision）、誤報(bào)率（False Positive Rate）和漏報(bào)率（False Negative Rate）為評(píng)估指標(biāo)。實(shí)驗(yàn)過程中，為了得到最優(yōu)的分類效果，需要選擇適當(dāng)?shù)暮撕瘮?shù)，因?yàn)閺较蚧瘮?shù)對(duì)高維非線性數(shù)據(jù)的處理效果較好，所以本文選擇徑向基函數(shù)作為核函數(shù)。

4.2 實(shí)驗(yàn)結(jié)果分析

為了體現(xiàn)PSO 參數(shù)尋優(yōu)對(duì)SVM 的影響，本文使用傳統(tǒng)SVM 和文獻(xiàn)［9］作為比較模型，采用相同的數(shù)據(jù)集，檢測(cè)結(jié)果如表1所示。

表1 GA-SVM與PSO-SVM的實(shí)驗(yàn)結(jié)果

從表1 的仿真結(jié)果可知采用優(yōu)化參數(shù)后網(wǎng)絡(luò)入侵檢測(cè)的檢測(cè)率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)SVM，同時(shí)誤報(bào)率和漏報(bào)率均有明顯下降。其中，經(jīng)PSO尋優(yōu)后平均查準(zhǔn)率比其他方法具有優(yōu)勢(shì)。

為了驗(yàn)證本文算法優(yōu)越性，采用BP 神經(jīng)網(wǎng)絡(luò)（BPNN）作為比較模型，從圖2和圖3可以看出SVM克服了神經(jīng)網(wǎng)絡(luò)局部最優(yōu)和收斂速度慢的缺陷，更加適應(yīng)與網(wǎng)絡(luò)入侵檢測(cè)實(shí)時(shí)性和高檢測(cè)正確率要求。

圖1 BPNN與PSO_SVM查準(zhǔn)率

圖2 BPNN與PSO_SVM誤報(bào)率

表2 基于PSO-SVM模型使用不同降維方式的實(shí)驗(yàn)結(jié)果

表2 的實(shí)驗(yàn)結(jié)果表明本文采用的半監(jiān)督LDA方法進(jìn)行特征提取，可以提高PSO-SVM 模型的檢測(cè)結(jié)果。

5 結(jié)語(yǔ)

針對(duì)工控?cái)?shù)據(jù)數(shù)據(jù)量大和特征維度多的特點(diǎn)，本文提出了一種融合半監(jiān)督LDA 和PSO-SVM 方法。該方法通過融合兩種特征提取方法對(duì)原始數(shù)據(jù)進(jìn)行特征降維以減少特征向量并提高數(shù)據(jù)集的檢測(cè)速度；利用PSO 算法進(jìn)行參數(shù)尋優(yōu)，構(gòu)造分類模型并對(duì)其進(jìn)行入侵檢測(cè)實(shí)驗(yàn)。使用密西西比州立大學(xué)關(guān)鍵基礎(chǔ)設(shè)施保護(hù)中心公開數(shù)據(jù)集，對(duì)數(shù)據(jù)集進(jìn)行歸一化預(yù)處理，反復(fù)實(shí)驗(yàn)，結(jié)果表明這種融合半監(jiān)督LDA 和PSO-SVM 的入侵檢測(cè)方法提高了對(duì)異常行為的查準(zhǔn)率，降低了漏報(bào)率。