具有主动免疫攻击识别方法及充电装置制造方法及图纸

本发明专利技术提供了一种具有主动免疫攻击识别方法，包括如下步骤：获取充电装置的实时的数据流；将数据流通过栈式自编码网络模型进行实时检测分类，从而判断数据流中是否存在异常数据，当不存在异常数据时，对数据进行直接转发；当存在异常数据时，对该实时的数据流进行拦截、发出告警提示并生成日志记录，同时停机。本发明专利技术还提供了一种充电装置。与现有技术相比，通过将充电装置的获得的数据通过栈式自编码器网络模型进行分析分类，并输出受到网络攻击的概率，从而判断数据似乎否受到攻击并执行相应的操作，以保证充电装置的信息安全性以及运行可靠性，保障电网的安全。

Active immune attack recognition method and charging device

【技术实现步骤摘要】
具有主动免疫攻击识别方法及充电装置
本专利技术涉及一种充电装置，特别涉及一种针对充电装置的具有主动免疫攻击识别方法及充电装置。
技术介绍
汽车产业是国民经济的支柱产业，也是体现国家竞争力的标志性产业。但同时我国的环境面临着极大的压力和挑战，特别是大气污染。而汽车尾气排放被默认为是大气污染的罪魁祸首之一，我国燃油车保有量现居世界首位，数量还在疯长，为减少尾气污染，推动新能源汽车发展势在必行。自1993年起我国成为石油净进口国，且石油进口量逐年增加。由于我国化石能源尤其是石油和天然气生产量的相对不足，未来我国能源供给对国际市场的依赖程度将越来越高。国际石油市场的不稳定以及油价波动都将严重影响我国的石油供给，对经济社会造成很大的冲击。而发展新能源汽车，可以在很大程度上摆脱窘境，在能源问题上就不会受制于他国。我国的汽车行业起较晚，早年间，都是用市场换技术。我国的传统汽车产业与其他汽车大国仍有明显差距。毕竟传统汽车已经发展了130多年，技术和法规的壁垒是非常高，很难赶上。但是，新能源汽车作为一个全新的领域，所有国家同时起跑，我国要想进行产业升级，实现“弯道超车”，必须奋力一搏。发展新能源汽车，必然离不开配套的新能源汽车充电装置。电动汽车的充电形式可以分为3类：有线充电、无限充电和整体换电。其中，如今发展较成熟、应用较广的充电方式是有线充电。而有线充电的分为交流充电装置(慢充)和直流充电装置(快充)。根据发改委印发的《电动汽车充电基础设施发展指南(2015-2020年)》显示，我国充电基础设施的发展目标是到2020年，建成集中充电站1.2万座，分散式充电装置480万个。充电装置的大规模建立方便了电动汽车的使用，促进了新能源行业的发展。但是国内大部分充电装置设备的核心芯片使用的是进口芯片，芯片中可能存在着鲜为人知的后门，可能隐藏着很大的漏洞，一旦发生网络战争，后果不堪设想。同时随着电网的智能化和信息化，各种网络攻击手段层出不穷，而充电装置位于公共环境中，容易受到各种各样的攻击，这些攻击可能潜入充电装置内部管理系统，盗取其他用户信息，或者通过病毒入侵修改自己账户余额进行无限次充电，甚至侵入电网内部，造成电网的故障，由此可见充电装置存在的安全漏洞已日益凸显，所以全方位的提升充电装置的的安全性能刻不容缓。如图1所示为现有充电装置应用场景图，由图1可以看出，充电装置向上连接了站级监控系统以及交流配电柜。是连接上层交流配电柜到提供电能到用户电动汽车的重要桥梁，而对于站级监控系统，其是提供数据的重要来源接口，充电装置将充电过程中的状态监控数据、对电动汽车的电池数据分析、电能计费以及用户信息等等，上传至站级监控系统，对相关数据进行分析和存储，然而，随着网络的发展和国际形式的变化，传统充电装置存在着许多的网络安全隐患，在一般情况下，一个或多个安全漏洞就会使攻击者有机可乘，攻击者可以以该安全漏洞为突破口，通过制造大量无用数据或反复发送请求等手段去占用被攻击者的网络资源或干扰被攻击者的正常通信。在传统充电装置中，很容易被黑客根据已知的安全漏洞对其发布各种各样的攻击。攻击者可以向充电装置注入木马，并将其作为跳板逐步入侵上层系统；攻击者还可以根据充电装置传输协议缺陷，反复发送畸形的攻击数据，比如篡改用电数据达到窃取电费的目的、实时电价的操纵、篡改电压数据引起公共电网电压波动，甚至进一步引发电网谐振等等不良后果，直接影响电网的安全稳定运行。
技术实现思路
本专利技术的目的在于提供一种具有主动免疫攻击识别方法及充电装置，要解决的技术问题是提高充电装置的信息安全性以及运行可靠性。为解决上述问题，本专利技术采用以下技术方案实现：一种具有主动免疫攻击识别方法，包括如下步骤：步骤一、获取充电装置的实时的数据流；步骤二、将数据流通过栈式自编码网络模型进行实时检测分类，从而判断数据流中是否存在异常数据，当不存在异常数据时，对数据进行直接转发；当存在异常数据时，对该实时的数据流进行拦截、发出告警提示并生成日志记录，同时停机。进一步地，所述步骤二中实时检测分类包括对数据流进行数据分类后计算数据中异常数据与正常数据的概率，当异常数据的概率大于正常数据的概率时，则判断数据流中存在受到攻击的异常数据；所述异常数据的概率包括数据流中的数据受到每种网络攻击的概率；在异常数据的概率大于正常数据的概率时，还在异常数据的概率中找出概率最大的网络攻击的概率，并将该异常数据归入该种网络攻击的类别中。进一步地，所述告警提示包括在充电装置上根据异常数据的归类进行攻击种类显示以及向站级监控系统发送告警信息；所述充电装置还对日志记录进行本地保存和/或发送至站级监控系统保存。进一步地，所述栈式自编码器网络模型，采用以下步骤建立：(1)构建第一层自编码器，自编码器有编码器和解码器两部分，编码器的作用是将输入向量映射到隐藏层，得到新的特征表示，函数表达如下:z＝f(x)＝s(W(1)x+b(1))其中:x∈Rd×1表示输入向量，d为输入数据的维度；z∈Rr×1，r为隐层单元的数目；W(1)∈Rr×d为隐藏层的输入权重；b(1)∈Rr×1为隐藏层的输入偏置；s代表激活函数，它通常是非线性的，常用的激活函数有sigmoid函数:tanh函数:以及Relu函数：s(x)＝max(0，x)；解码器的作用是将隐藏层的表达z映射回原始输入x，函数表达如下:x＝g(z)＝s(W(2)z+b(2))其中:W(2)∈Rd×r；b(2)∈Rd×1，自编码器网络模型输出与X关联；数据流的一阶特征与第一层编码器中z关联；一阶特征到输出的输出权重与W(2)关联；一阶特征到输出的输出偏置与b(2)关联；上标(2)与网络层数关联；每个数据的重建误差为：L＝||x-g(f(x))||2，定义代价函数为：其中:x(i)代表第i个样本；代表第k层第i单元与第k+1层第j单元之间的连接权重；N代表样本的数量；Sk代表第k层的单元数；λ是正则化系数，λ取1；通过误差反向传导以及批量梯度下降算法，取J(W，b)为极小值时的参数W和b作为最优解；(2)构建第二层自编码器，把W(1)作为第二层自编码器的输入数据，按照步骤(1)进行运算，构建第二层自编码器，得到最优解W和b；(3)构建第三层自编码器，把W(2)作为第三层自编码器的输入数据，按照步骤(1)进行运算，构建第三层自编码器，得到最优解W和b；(4)构建BP神经网络分类器层将第三层自编码器的输出作为BP神经网络的输入；首先将输入特征向量进行正向计算，在输出层得到预测出的类别；再把预测出的类别与实际对应的类别相比较得到分类误差，利用误差反向传播算法训练BP神经网络的参数以及对各层自编码器的参数进行微调；在误差反向传播的过程中，首先计算每一层网络的残差δ，对于输出层的每个输出单元i，δ的计算公式为:δi＝ai(1-ai)(ai-yi)，其中：ai样本值；yi预估值；对于其他各隐层，δ的计算本文档来自技高网...

【技术保护点】
1.一种具有主动免疫攻击识别方法，其特征在于：包括如下步骤：/n步骤一、获取充电装置的实时的数据流；/n步骤二、将数据流通过栈式自编码网络模型进行实时检测分类，从而判断数据流中是否存在异常数据，当不存在异常数据时，对数据进行直接转发；当存在异常数据时，对该实时的数据流进行拦截、发出告警提示并生成日志记录，同时停机。/n

【技术特征摘要】
1.一种具有主动免疫攻击识别方法，其特征在于：包括如下步骤：
步骤一、获取充电装置的实时的数据流；
步骤二、将数据流通过栈式自编码网络模型进行实时检测分类，从而判断数据流中是否存在异常数据，当不存在异常数据时，对数据进行直接转发；当存在异常数据时，对该实时的数据流进行拦截、发出告警提示并生成日志记录，同时停机。


2.根据权利要求1所述的具有主动免疫攻击识别方法，其特征在于：所述步骤二中实时检测分类包括对数据流进行数据分类后计算数据中异常数据与正常数据的概率，当异常数据的概率大于正常数据的概率时，则判断数据流中存在受到攻击的异常数据；所述异常数据的概率包括数据流中的数据受到每种网络攻击的概率；在异常数据的概率大于正常数据的概率时，还在异常数据的概率中找出概率最大的网络攻击的概率，并将该异常数据归入该种网络攻击的类别中。


3.根据权利要求1所述的具有主动免疫攻击识别方法，其特征在于：所述告警提示包括在充电装置上根据异常数据的归类进行攻击种类显示以及向站级监控系统发送告警信息；所述充电装置还对日志记录进行本地保存和/或发送至站级监控系统保存。


4.根据权利要求1所述的具有主动免疫攻击识别方法，其特征在于：所述栈式自编码器网络模型，采用以下步骤建立：
(1)构建第一层自编码器，自编码器有编码器和解码器两部分，编码器的作用是将输入向量映射到隐藏层，得到新的特征表示，函数表达如下：
z＝f(x)＝s(W(1)x+b(1))
其中：x∈Rd×1表示输入向量，d为输入数据的维度；z∈Rr×1，r为隐层单元的数目；W(1)∈Rr×d为隐藏层的输入权重；b(1)∈Rr×1为隐藏层的输入偏置；s代表激活函数，它通常是非线性的，常用的激活函数有sigmoid函数：tanh函数：以及Relu函数：s(x)＝max(0，x)；
解码器的作用是将隐藏层的表达z映射回原始输入x，函数表达如下：
x＝g(z)＝s(W(2)z+b(2))
其中：W(2)∈Rd×r；b(2)∈Rd×1，自编码器网络模型输出与X关联；数据流的一阶特征与第一层编码器中z关联；一阶特征到输出的输出权重与W(2)关联；一阶特征到输出的输出偏置与b(2)关联；上标(2)与网络层数关联；
每个数据的重建误差为：
L＝||x-g(f(x))||2，
定义代价函数为：



其中：x(i)代表第i个样本；代表第k层第i单元与第k+1层第j单元之间的连接权重；N代表样本的数量；Sk代表第k层的单元数；λ是正则化系数，λ取1；
通过误差反向传导以及批量梯度下降算法，取J(W，b)为极小值时的参数W和b作为最优解；
(2)构建第二层自编码器，把W(1)作为第二层自编码器的输入数据，按照步骤(1)进行运算，构建第二层自编码器，得到最优解W和b；
(3)构建第三层自编码器，把W(2)作为第三层自编码器的输入数据，按照步骤(1)进行运算，构建第三层自编码器，得到最优解W和b；
(4)构建BP神经网络分类器层将第三层自编码器的输出作为BP神经网络的输入；首先将输入特征向量进行正向计算，在输出层得到预测出的类别；再把预测出的类别与实际对应的类别相比较得到分类误差，利用误差反向传播算法训练BP神经网络的参数以及对各层自编码器的参数进行微调；
在误差反向传播的过程中，首先计算每一层网络的残差δ，对于输出层的每个输出单元i，δ的计算公式为：
δi＝ai(1-ai)(ai-yi)，
其中：ai样本值；yi预估值；对于其他各隐层，δ的计算公式为：



其中：k是指第k层网络；Sk+1是指第k+1层网络神经元的总数；是k层第i个单元的输出值；
计算出每一层残差之后，按照下两式对栈式自编码器网络各层的参数进行调整，α为调整系数，α中选择0.01；





5.一种充电装置，其特征在于：包括充电设备控制器、触控器、计费控制模块、读卡器、电表以及显示单元，所述充电设备控制器通过CANBUS总线与计费控制模块连接，计费控制模块通过LVDS/并口等与显示单元连接，通过RS232接口与读卡器连接，通过RS485接口与电表连接，通过网络与上层连接；
所述充电设备控制器用于向下发送计费控制模块发送来的操作指令；以及接收下层的交直流变化信息、车辆数据、车辆电池状况、充电方式、输出功率、输出电压、输出电流、环境数据后发送至计费控制模块；
触控器用于对充电设备控制器进行操作输入；
读卡器用于读取IC卡的用户信息并发送至计费控制模块，所述用户信息包括账户ID、余额等；
电表用于读取电能消耗情况以及电网电能质量信息并发送至计费控制模块；
显示模块：用于显示以及人机交互；
所述计费控...

【专利技术属性】
技术研发人员：吴海涛，徐成斌，肖声远，刘威，陈锐，罗伟峰，汪伟，李重杭，习伟，匡晓云，姚浩，于杨，简淦杨，杨祎巍，祖连兴，丁凯，朱小帆，贺生国，黄植炜，何鸿雁，陈远生，占捷文，王乾刚，
申请(专利权)人：深圳供电局有限公司，长园深瑞继保自动化有限公司，南方电网科学研究院有限责任公司，
类型：发明
国别省市：广东;44