基于決策樹的工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測方法

武永強(qiáng)，劉正剛

（新興鑄管股份有限公司，河北邯鄲 056300）

工業(yè)通信網(wǎng)絡(luò)支持光纖通信與工業(yè)制造流程通信，現(xiàn)有的控制網(wǎng)絡(luò)包括樓宇自動化、工廠自動化及流程自動化。隨著網(wǎng)絡(luò)通信技術(shù)的飛速發(fā)展，主干通信網(wǎng)的頻寬逐漸增大，所攜帶的信息量也日益多樣化，而超負(fù)荷的業(yè)務(wù)也給通信網(wǎng)的經(jīng)營帶來了更加復(fù)雜的問題。通過全鏈路數(shù)據(jù)異常檢測，可以有效地保證整個通信網(wǎng)的安全性，從而增強(qiáng)通信網(wǎng)的反應(yīng)能力。

周伯陽等[1]提出了基于多尺度低秩模型的檢測方法，利用小波分析技術(shù)估算了多尺度低秩模式的參數(shù)，通過量化的方法測量了異常流量對模式估算的作用，并對異常流量進(jìn)行了有效檢測。陳曦等[2]提出了基于SIMI 模型的檢測方法，針對S7 協(xié)議中的SIMI，給出了一種新的S7 通信網(wǎng)絡(luò)異常流量的新算法。研究S7 的特點和漏洞，結(jié)合SIMI 的分類特點對S7 的異常流量進(jìn)行了檢測。以上兩種方法雖然能夠有效實現(xiàn)異常檢測，但在實際應(yīng)用中會存在一定誤差，從而影響檢測結(jié)果。因此，提出了基于決策樹的工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測方法。

1 基于決策樹的檢測模型構(gòu)建

為有效實現(xiàn)工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測，提出一種決策樹算法[3]，即在對同一屬性的數(shù)據(jù)進(jìn)行分類時，將其作為一種基于內(nèi)部節(jié)點、葉節(jié)點和邊界的判別標(biāo)準(zhǔn)?；趦?nèi)部節(jié)點的特征來標(biāo)識邊緣，而葉節(jié)點則通過邊界分割來獲得判別的結(jié)果[4-5]。在檢測模型中，用IP 標(biāo)識節(jié)點作為工業(yè)通信網(wǎng)絡(luò)的IP 地址，用失效或正常標(biāo)識葉子名稱，用標(biāo)注箭頭表示邊界線。利用信息提取功能構(gòu)造決策樹，并對其進(jìn)行了裁剪，從而得到了相應(yīng)的學(xué)習(xí)信息[6]。基于修剪后決策樹的全鏈路數(shù)據(jù)檢測結(jié)構(gòu)如圖1 所示。

圖1 修剪后決策樹全鏈路數(shù)據(jù)檢測結(jié)構(gòu)

決策樹算法是一種能夠反映目標(biāo)特征與目標(biāo)價值映射關(guān)系的機(jī)器學(xué)習(xí)方法，在決策樹生成過程中，選取決策樹創(chuàng)建中內(nèi)部節(jié)點分枝是決策樹的核心問題[7]。根據(jù)信息熵原理，選取了最大值的信息來進(jìn)行歸類。

假設(shè)樣本集A的最優(yōu)劃線單元為A={a1,a2,…,an}，那么該數(shù)據(jù)的增益系數(shù)為：

式（1）中，Z1(A,δ)表示在分割抽樣集合時，引進(jìn)了檢測條件δ來獲得信息增益；?(A,δ)為分割信息熵。在工業(yè)通信網(wǎng)絡(luò)中，利用信息增益比對全鏈路中各節(jié)點分支所造成的問題進(jìn)行了分析[8-9]。劃分所生成的分割數(shù)據(jù)非常少，且所得到的增益數(shù)值也不太平穩(wěn)，這樣的不確定性會造成大量信息增加，導(dǎo)致信息增益率很可能為0，從而造成更大檢測誤差[10]。利用最小距離分割算法構(gòu)造了一棵決策樹，將范式距離確定成兩個分區(qū)之間的間距，并將最接近于理想分割的特征值作為當(dāng)前的判斷標(biāo)準(zhǔn)[11]。

設(shè)工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)特征屬性作為檢測條件得到的劃分結(jié)果為A′，那么理想劃分結(jié)果與實際劃分的范式距離可表示為：

決策樹的范式距離是由樹枝長短組成的序列，因此需要對距離數(shù)據(jù)曲線斜率進(jìn)行分析，以此檢測異常數(shù)據(jù)，基于此構(gòu)建的檢測模型為：

式（3）中，x(i)、x(j)分別表示第i個、第j個檢測數(shù)據(jù)。根據(jù)構(gòu)建的決策樹檢測模型，能夠獲取工業(yè)通信網(wǎng)全鏈路異常數(shù)據(jù)集[12]。

2 工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測方法

2.1 決策數(shù)據(jù)集預(yù)處理

在構(gòu)造決策樹的檢測模型后，確定決策樹下的異常數(shù)據(jù)檢測對象。由于工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)量較大，需要對決策數(shù)據(jù)集進(jìn)行預(yù)處理，避免影響檢測結(jié)果[13]。標(biāo)定檢測目標(biāo)值，依據(jù)檢測的特征決策節(jié)點，建立聯(lián)合的數(shù)據(jù)集合，并在數(shù)據(jù)集合內(nèi)設(shè)置不同的變量矢量，并與決策樹相聯(lián)系，以確定通信數(shù)據(jù)矢量的變動幅度。在通信網(wǎng)絡(luò)中集中了大量信息，通過決策樹將各個特征節(jié)點連接起來，形成了一個集群[14]。各簇彼此獨立，其簇集群結(jié)構(gòu)關(guān)系如圖2所示。

圖2 簇集群結(jié)構(gòu)關(guān)系

由圖2 可知，該集群是由一個與所探測到的異常數(shù)據(jù)相結(jié)合的異常信息集群，并求出了一個目標(biāo)權(quán)重相關(guān)的平均值。公式為：

式（4）中，x′表示識別異常差值；α表示聚類特征系數(shù)；o表示向量中心值；Γ表示綜合簇群范圍。通過上述算法，獲得了被檢測對象的實際權(quán)重，將其平均約束設(shè)定為一條探測指令，并將其納入了無線通信的運行區(qū)間[15]。利用決策樹建立分類域，在描述節(jié)點檢測過程中，通過增強(qiáng)對集群檢測網(wǎng)絡(luò)進(jìn)行監(jiān)控，實現(xiàn)對異常數(shù)據(jù)的預(yù)處理。

2.2 異常數(shù)據(jù)檢測流程設(shè)計

在決策樹檢測模型的基礎(chǔ)上，建立了一個基于決策樹的檢測模式，及時對異常數(shù)據(jù)檢測。將待檢測數(shù)據(jù)輸入到?jīng)Q策樹檢測模式中，計算實際與檢測差值，能夠判斷出目標(biāo)數(shù)據(jù)是否異常。異常數(shù)據(jù)檢測流程如下所示：

步驟1：采用標(biāo)準(zhǔn)化的處理算法來訓(xùn)練基于決策樹的檢測模式，從而加快了算法的收斂性。可以用以下的公式來表達(dá)標(biāo)準(zhǔn)化處理結(jié)果：

式（5）中，xt表示t時刻的實際通信網(wǎng)全鏈路數(shù)據(jù)；xmin、xmax分別表示處理過程中數(shù)據(jù)最小和最大值。因此，需要從全部數(shù)據(jù)中生成一組數(shù)據(jù)以進(jìn)行決策樹訓(xùn)練。

步驟2：在通信網(wǎng)絡(luò)中，通過對多個具有一定拓?fù)潢P(guān)系的多個節(jié)點進(jìn)行測量，得出各個節(jié)點的振幅。用以下公式來表示線路兩端節(jié)點關(guān)系：

式（6）中，xc表示初始端節(jié)點數(shù)據(jù)；xyy、xwy分別表示有用、無用數(shù)據(jù)。

當(dāng)幅度達(dá)到某一精度時，就能進(jìn)行相應(yīng)的信號探測和校正[16]。利用多個網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對多個節(jié)點進(jìn)行了測試，得到了每個節(jié)點的振幅。在振幅達(dá)到某一特定精度后，就能對檢測結(jié)果進(jìn)行校正。

步驟3：在對決策樹下工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)檢測方法設(shè)計前，必須準(zhǔn)確地對其進(jìn)行異常數(shù)據(jù)辨識。在此基礎(chǔ)上，根據(jù)決策樹建立特定的檢測規(guī)則，將測量裝置插入到通信網(wǎng)絡(luò)的通信信道之中。在確定了測距的基礎(chǔ)上，抽取通信網(wǎng)絡(luò)檢測的環(huán)境特性，利用特征量的改變來實現(xiàn)控制通信網(wǎng)絡(luò)的波動，以此為依據(jù)檢測異常數(shù)據(jù)，可將其描述為如下公式：

式（7）中，ue表示檢測結(jié)果域；n表示檢測總次數(shù)；μ表示檢測均衡系數(shù)；e表示檢測波動偏差。根據(jù)以上的結(jié)果，得到了實際異常數(shù)據(jù)波動性，使檢測的各個參量與波動性相符合。針對與檢測節(jié)點相連的多條線路上，存在一個本時刻計算值最大可能誤差σ，如果x˙≤σ，則說明檢測結(jié)果中的數(shù)據(jù)是正常數(shù)據(jù)；如果x˙＞σ，則說明檢測結(jié)果中的數(shù)據(jù)是異常數(shù)據(jù)。

3 實驗

3.1 實驗結(jié)構(gòu)

實驗所選取的工業(yè)通信網(wǎng)全鏈路結(jié)構(gòu)，如圖3所示。

圖3 工業(yè)通信網(wǎng)全鏈路結(jié)構(gòu)

工業(yè)通信網(wǎng)全鏈路結(jié)構(gòu)中的各個工作站與傳輸數(shù)據(jù)的傳輸接口是由傳輸方和接收方共同完成的。所以，許多場合都是采用全雙工通信模式，利用以太網(wǎng)交換系統(tǒng)來建立網(wǎng)絡(luò)，使計算機(jī)與交換機(jī)端口之間一對一連接，達(dá)到全雙工通信目的。

3.2 實驗準(zhǔn)備

在對基于決策樹的工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測方法驗證前，需要先搭建實驗測試環(huán)境。將多組數(shù)據(jù)采集結(jié)果作為實驗數(shù)據(jù)，根據(jù)不同窗口之間關(guān)聯(lián)性，設(shè)置實驗參數(shù)。為了方便實驗，在每個時間段只注入一種攻擊類型，注入攻擊后工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)屬性交叉熵會出現(xiàn)明顯變化，以源IP 地址為例，分析注入攻擊后8 個時間段IP 熵值變化情況，如表1 所示。

表1 IP熵值變化數(shù)據(jù)集

由表1 可知，受到端口掃描的影響使IP 熵值變化最大，影響最小的是網(wǎng)絡(luò)掃描攻擊方式。

3.3 檢測效果測試分析

對于IP 熵值變化數(shù)據(jù)集，分別使用基于多尺度低秩模型的檢測方法（文獻(xiàn)[1]方法）、基于SIMI 模型的檢測方法（文獻(xiàn)[2]方法）和基于決策樹的檢測方法（所提方法），對比分析不同攻擊模式下數(shù)據(jù)異常檢測結(jié)果，如圖4 所示。

圖4 不同方法數(shù)據(jù)異常檢測結(jié)果分析

由圖4 可知，使用基于多尺度低秩模型的檢測方法在網(wǎng)絡(luò)掃描攻擊模式下IP 熵值變化最小，在端口掃描攻擊模式IP 熵值變化最大，這一點與實際檢測結(jié)果相符，但I(xiàn)P 熵值與實際檢測結(jié)果不一致；使用基于SIMI 模型的檢測方法在端口掃描攻擊模式下，IP 熵值變化最大，最大為0.8，與實際異常數(shù)據(jù)嚴(yán)重不符；使用基于決策樹的檢測方法在端口掃描攻擊模式下，IP 熵值變化最大，最大為0.6，與實際異常數(shù)據(jù)檢測結(jié)果一致。

4 結(jié)束語

為有效實現(xiàn)數(shù)據(jù)異常精準(zhǔn)檢測，提出了基于決策樹的工業(yè)通信網(wǎng)全鏈路數(shù)據(jù)異常檢測方法。該方法通過構(gòu)建決策樹檢測異常數(shù)據(jù)，并通過實驗驗證了該方法研究的可靠性，能夠在不同攻擊模式下精準(zhǔn)檢測異常數(shù)據(jù)，具有較好的檢測效果。