基于邊緣計(jì)算的通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法

常富紅 李麒 狄亞平

摘要：為提高電力通信網(wǎng)絡(luò)中的異常流量攻擊行為檢測(cè)的準(zhǔn)確性與實(shí)時(shí)性，文章提出基于邊緣計(jì)算的電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法。設(shè)置電力通信網(wǎng)絡(luò)異常流量的標(biāo)準(zhǔn)特征，采集實(shí)時(shí)電力通信網(wǎng)絡(luò)流量數(shù)據(jù)，測(cè)度電力通信網(wǎng)絡(luò)流量數(shù)據(jù)特征。文章利用邊緣計(jì)算技術(shù)快速確定異常流量攻擊位置，實(shí)現(xiàn)異常流量攻擊的快速檢測(cè)。通過實(shí)驗(yàn)證明，設(shè)計(jì)方法的異常流量漏檢率降低了1.59%，攻擊位置檢測(cè)誤差減小了2.4 m。

關(guān)鍵詞：邊緣計(jì)算；電力通信網(wǎng)絡(luò)異常流量；電力通信網(wǎng)絡(luò)攻擊；攻擊檢測(cè)

中圖分類號(hào)：TP39文獻(xiàn)標(biāo)志碼：A

0 引言電力通信網(wǎng)絡(luò)遭受異常流量的攻擊，不僅會(huì)影響電力系統(tǒng)的正常運(yùn)營(yíng)秩序，還會(huì)降低電力通信網(wǎng)絡(luò)的運(yùn)行穩(wěn)定性和安全性^［1］。為保證電力通信網(wǎng)絡(luò)的正常運(yùn)行狀態(tài)，有相關(guān)研究人員提出了基于多尺度低秩模型的攻擊檢測(cè)方法^［2］、基于殘差分析的攻擊檢測(cè)方法等^［3］，但是在實(shí)際應(yīng)用中卻存在誤檢率和漏檢率高的情況。為此，本文引入邊緣計(jì)算技術(shù)，對(duì)電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法進(jìn)行了優(yōu)化。

1 電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法設(shè)計(jì)

1.1 設(shè)置電力通信網(wǎng)絡(luò)異常流量攻擊檢測(cè)標(biāo)準(zhǔn)假設(shè)電力通信網(wǎng)絡(luò)的異常流量攻擊向量為ρ，發(fā)動(dòng)攻擊后，則受攻擊電力通信網(wǎng)絡(luò)的實(shí)時(shí)流量滿足如下特征：

τ_standard=α（Ax+ρ）（1）

公式（1）中，A為m×n的電力通信網(wǎng)絡(luò)雅可比矩陣，x為電力通信網(wǎng)絡(luò)的狀態(tài)變量，α為攻擊強(qiáng)度。根據(jù)電力通信網(wǎng)絡(luò)異常流量攻擊行為的作用機(jī)理，確定異常流量的波動(dòng)特征，并以此作為電力通信網(wǎng)絡(luò)是否存在流量攻擊的檢測(cè)標(biāo)準(zhǔn)。

1.2 采集實(shí)時(shí)電力通信網(wǎng)絡(luò)流量數(shù)據(jù)在目標(biāo)電力通信網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)上安裝采集程序，通過設(shè)置連續(xù)采集時(shí)間、采集工作頻率等參數(shù)，獲取電力通信網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的實(shí)時(shí)流量數(shù)據(jù)。為解決不同電力通信網(wǎng)絡(luò)節(jié)點(diǎn)采集數(shù)據(jù)之間的異構(gòu)屬性，需要利用下式對(duì)實(shí)時(shí)流量數(shù)據(jù)進(jìn)行歸一化處理。

公式（2）中，w為實(shí)時(shí)采集的電力通信網(wǎng)絡(luò)流量數(shù)據(jù)，f_min（W）和f_max（W）分別對(duì)應(yīng)電力通信網(wǎng)絡(luò)流量數(shù)據(jù)的最小值和最大值。初始采集的數(shù)據(jù)中存在電量缺失、數(shù)據(jù)重復(fù)采集的情況，因此直接采集到的原始數(shù)據(jù)并不能直接進(jìn)行數(shù)據(jù)分析，需要對(duì)缺失數(shù)據(jù)進(jìn)行補(bǔ)償并過濾重復(fù)數(shù)據(jù)，處理過程如下：

公式（3）中，w_loss，w_loss-1和w_loss+1分別表示的是缺失的流量數(shù)據(jù)及其前后數(shù)據(jù)，w_i和w_j為采集流量數(shù)據(jù)中的任意兩個(gè)數(shù)據(jù)。

1.3 測(cè)度電力通信網(wǎng)絡(luò)流量數(shù)據(jù)特征設(shè)計(jì)者設(shè)置平均流量特征、峰值特征以及偏度特征和峭度特征作為電力通信網(wǎng)絡(luò)流量數(shù)據(jù)的特征測(cè)度指標(biāo)，其中平均流量特征可以從時(shí)間和空間兩個(gè)方面進(jìn)行測(cè)度，時(shí)間平均流量特征和空間平均流量特征的測(cè)度結(jié)果可以表示為：

其中，W_i和W_j分別表示的是i時(shí)刻的電力通信網(wǎng)絡(luò)流量和第j個(gè)節(jié)點(diǎn)的流量值，n_c和n_node對(duì)應(yīng)的是流量數(shù)據(jù)采集時(shí)長(zhǎng)和電力通信網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量^［4］。電力通信網(wǎng)絡(luò)流量數(shù)據(jù)的峰值特征的測(cè)度結(jié)果可表示為：

τ_peak=f_max（W_i）（5）

同理，可以得出流量偏度特征和峭度特征的測(cè)度結(jié)果為：

公式（6）中，變量N表示的是電力通信網(wǎng)絡(luò)流量數(shù)據(jù)采集量，w_i為電力通信網(wǎng)絡(luò)流量數(shù)據(jù)，τ_avg對(duì)應(yīng)的是平均流量特征。最終將利用下式對(duì)測(cè)度的所有數(shù)據(jù)特征進(jìn)行融合處理。

其中，τ_i和ω^-_i分別表示數(shù)據(jù)特征測(cè)度分量及其權(quán)重值，n_τ為測(cè)度的特征數(shù)量。由此得出實(shí)時(shí)電力通信網(wǎng)絡(luò)流量數(shù)據(jù)特征的綜合測(cè)度結(jié)果。

1.4 利用邊緣計(jì)算技術(shù)快速確定電力通信網(wǎng)絡(luò)異常流量攻擊位置邊緣計(jì)算技術(shù)的運(yùn)行體系結(jié)構(gòu)包括云端、邊緣層和終端設(shè)備3個(gè)層次，此技術(shù)利用端邊云的協(xié)作計(jì)算為諸如物聯(lián)網(wǎng)等應(yīng)用提供數(shù)據(jù)存儲(chǔ)和資源管理等業(yè)務(wù)。電力通信網(wǎng)絡(luò)異常節(jié)點(diǎn)的邊緣值計(jì)算公式如下：

公式（8）中，變量κ_edge和ω^-_edge分別表示的是邊緣節(jié)點(diǎn)系數(shù)和邊緣節(jié)點(diǎn)權(quán)值，Q為邊緣節(jié)點(diǎn)的能耗值。由此可以得出異常流量攻擊位置與邊緣節(jié)點(diǎn)之間的距離可以表示為：

公式（9）中，υ_c為異常流量在電力通信網(wǎng)絡(luò)中的傳輸速率，Δt為異常流量到達(dá)邊緣節(jié)點(diǎn)的時(shí)間。在已知邊緣節(jié)點(diǎn)坐標(biāo)為（x_edge，y_edge）的情況下，電力通信網(wǎng)絡(luò)異常流量攻擊位置的確定結(jié)果為：

公式（10）中，d_x和d_y分別表示的是攻擊位置與邊緣節(jié)點(diǎn)之間距離在水平和豎直方向上的分量。按照上述過程得出電力通信網(wǎng)絡(luò)異常流量攻擊位置的快速定位結(jié)果。

1.5 實(shí)現(xiàn)電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)通過電力通信網(wǎng)絡(luò)異常流量數(shù)據(jù)特征的測(cè)度結(jié)果與設(shè)置異常流量標(biāo)準(zhǔn)特征的匹配，確定判斷當(dāng)前產(chǎn)生的流量是否為異常流量，具體的匹配過程可以量化表示為：

將公式（1）和公式（7）的計(jì)算結(jié)果代入公式（11）中，若計(jì)算得出ψ的值高于閾值ψ₀，則證明當(dāng)前電力通信網(wǎng)絡(luò)流量與異常流量特征一致，即當(dāng)前電力通信網(wǎng)絡(luò)流量為異常流量^［5］。

2 檢測(cè)性能測(cè)試實(shí)驗(yàn)分析為實(shí)現(xiàn)對(duì)基于邊緣計(jì)算的電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法的開發(fā)與性能測(cè)試，采用1個(gè)包含5臺(tái)服務(wù)器的集群作為檢測(cè)方法的開發(fā)運(yùn)行環(huán)境，集群上安裝了Spark1.6.0和Hive1.2.1等工具。在實(shí)驗(yàn)環(huán)境與工具的支持下，基于多尺度低秩模型的攻擊檢測(cè)方法和基于殘差分析的攻擊檢測(cè)方法的性能對(duì)比，體現(xiàn)出優(yōu)化設(shè)計(jì)方法在檢測(cè)性能方面的優(yōu)勢(shì)。

2.1 配置電力通信網(wǎng)絡(luò)測(cè)試環(huán)境此次實(shí)驗(yàn)以某地區(qū)的實(shí)際10 kV電力系統(tǒng)作為研究對(duì)象，該電力系統(tǒng)中包含30個(gè)線路節(jié)點(diǎn)。以 Intel（R）Core（TM）i5-2520 M 處理器作為核心部件，電力系統(tǒng)采用分布式連接方式，在每個(gè)電力通信網(wǎng)絡(luò)節(jié)點(diǎn)上安裝變壓器設(shè)備，用來實(shí)現(xiàn)不同支路對(duì)電壓的需求。在選擇的電力通信網(wǎng)絡(luò)環(huán)境中配置用電終端設(shè)備，并通過對(duì)終端設(shè)備工作系數(shù)的設(shè)置，生成電力系統(tǒng)通信網(wǎng)絡(luò)的運(yùn)行任務(wù)。

2.2 設(shè)置電力通信網(wǎng)絡(luò)異常流量攻擊檢測(cè)指標(biāo)隨機(jī)設(shè)置攻擊目標(biāo)為04，21，23，15，17，攻擊強(qiáng)度為4.0～8.0 dbm。分別設(shè)置異常流量漏檢率和攻擊位置檢測(cè)誤差作為實(shí)驗(yàn)的兩個(gè)量化測(cè)試指標(biāo)，其中異常流量漏檢率指標(biāo)的數(shù)值結(jié)果如下：

公式（12）中，W_testing和W_abnormal分別表示檢測(cè)得出的電力通信網(wǎng)絡(luò)異常流量和設(shè)置的電力通信網(wǎng)絡(luò)異常流量，其中W_testing的具體取值可通過輸出的檢測(cè)結(jié)果直接得出，而W_abnormal的取值由攻擊程序和用電設(shè)備工作參數(shù)決定。另外，攻擊位置檢測(cè)誤差的測(cè)試結(jié)果為；

其中，（x_attack，y_attack）和（x_set，y_set）分別為攻擊位置的檢測(cè)值和設(shè)置值。最終計(jì)算得出異常流量漏檢率越高、攻擊位置檢測(cè)誤差越大的電力通信網(wǎng)絡(luò)異常流量攻擊檢測(cè)方法，說明其檢測(cè)性能越差。

2.3 實(shí)驗(yàn)過程與結(jié)果分析將配置的電力通信網(wǎng)絡(luò)環(huán)境接入電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法的運(yùn)行程序中，同時(shí)啟動(dòng)編寫的攻擊程序，通過數(shù)據(jù)采集、特征提取、攻擊定位等步驟，得出異常流量攻擊的快速檢測(cè)結(jié)果，如圖1所示。

采用并行切換的方式，將電力通信網(wǎng)絡(luò)恢復(fù)至初始狀態(tài)，調(diào)整攻擊檢測(cè)方法重復(fù)執(zhí)行攻擊程序，得出不同檢測(cè)方法的異常流量漏檢率，具體如表1所示。

以表1內(nèi)容為基礎(chǔ)，按照公式（12）進(jìn)行計(jì)算，得出傳統(tǒng)檢測(cè)方法的平均流量漏檢率分別為2.07%和1.71%，而本文設(shè)計(jì)的檢測(cè)方法流量漏檢率的平均值為0.30%。經(jīng)過公式（13）的計(jì)算，得出檢測(cè)方法攻擊位置檢測(cè)誤差的測(cè)試對(duì)比結(jié)果如圖2所示。

從圖2可以看出，兩種對(duì)比檢測(cè)方法得出攻擊位置檢測(cè)誤差的平均值分別為3.2 m和2.4 m，優(yōu)化設(shè)計(jì)檢測(cè)方法得出的平均攻擊位置檢測(cè)誤差為0.4 m。由此證明，優(yōu)化設(shè)計(jì)電力通信網(wǎng)絡(luò)異常流量攻擊快速檢測(cè)方法具有更高的檢測(cè)性能。

3 結(jié)語

電力系統(tǒng)作為國(guó)民經(jīng)濟(jì)的重要支柱，承擔(dān)著重要的能源供應(yīng)任務(wù)，同時(shí)它也是現(xiàn)代社會(huì)的重要基礎(chǔ)設(shè)施之一。近年來，電力系統(tǒng)通信網(wǎng)絡(luò)在國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中的地位越來越重要，并且影響著社會(huì)生產(chǎn)和生活的各個(gè)方面。本文通過對(duì)邊緣計(jì)算技術(shù)的應(yīng)用，實(shí)現(xiàn)對(duì)電力通信網(wǎng)絡(luò)異常流量攻擊行為的快速、精準(zhǔn)檢測(cè)，對(duì)于維護(hù)電力通信網(wǎng)絡(luò)正常運(yùn)行秩序具有重要意義。

參考文獻(xiàn)

［1］黃冬梅，何立昂，孫錦中，等.基于邊緣計(jì)算的電網(wǎng)假數(shù)據(jù)攻擊分布式檢測(cè)方法［J］.電力系統(tǒng)保護(hù)與控制，2021（13）：1-9.

［2］周伯陽，郭志民，王延松，等.基于多尺度低秩模型的電力無線接入網(wǎng)異常流量檢測(cè)方法［J］.電子學(xué)報(bào)，2020（8）：1552-1557.

［3］孟永偉，秦濤，趙亮，等.利用殘差分析的網(wǎng)絡(luò)異常流量檢測(cè)方法［J］.西安交通大學(xué)學(xué)報(bào)，2020（1）：42-48，84.

［4］于天琪，胡劍凌，金炯，等.基于移動(dòng)邊緣計(jì)算的車載CAN網(wǎng)絡(luò)入侵檢測(cè)方法［J］.計(jì)算機(jī)科學(xué)，2021（1）：34-39.

［5］楊挺，侯昱丞，趙黎媛，等.基于時(shí)-頻域混合特征的變電站通信網(wǎng)異常流量檢測(cè)方法［J］.電力系統(tǒng)自動(dòng)化，2020（16）：79-86.

（編輯 沈 強(qiáng)）

Rapid detection method of abnormal traffic attacks in communication networks based on edge computing

Chang? Fuhong， Li? Qi， Di? Yaping

（State Grid Henan Electric Power Company Xuchang Power Supply Company， Xuchang 461000， China）

Abstract： In order to improve the accuracy and real-time performance of detection of abnormal traffic attacks in power communication networks， this paper proposes a fast detection method of abnormal traffic attacks in power communication networks based on edge computing. Set the standard characteristics of abnormal flow of power communication network，collect real-time power communication network flow data，and measure the characteristics of power communication network flow data. Edge computing technology is used to quickly determine the location of abnormal traffic attacks and achieve rapid detection of abnormal traffic attacks. The experiment shows that the rate of abnormal traffic leak detection of the design method is reduced by 1.59%，and the attack location detection error is reduced by 2.4 m.

Key words： edge computing; power communication network abnormal traffic; power communication network attack; attack detection