【技术实现步骤摘要】
一种基于Graphomer的工业控制系统异常检测方法
[0001]本专利技术涉及工业生产
,具体为一种基于Graphomer的工业控制系统异常检测方法。
技术介绍
[0002]工业互联网实现了工业领域和互联网的紧密结合,代表了工业运行效率和创新的前景范式。工业控制系统通过结合机器学习与网络技术,将设备、数据和人员等工业要素连接起来,并允许应用分析工具和网络技术来管理工业操作和提供新的增值服务,在生产应用中起着极其重要的作用。随着工作时间的推移,生产领域的关键设备容易发生各种故障,例如零件老化、外界环境影响和人为操作不当等等,这些故障可能导致设备的某些机械性能降低,甚至出现瘫痪的情况,从而引起不必要的生产中止,造成经济损失;
[0003]在工业互联网的大背景下,工业控制系统正向着智能化的方向转型升级,大大提高了生产效率,提升了经济效益;然而,在带来效益的同时也增加了网络入侵攻击的风险,并且随着运作时间的推移,工控设备容易发生各种故障,这些入侵、故障等异常可能导致工业控制系统的瘫痪,造成巨大的经济损失;因此,有必要为工业控制系统设计有效的异常检测模型。
技术实现思路
[0004](一)解决的技术问题
[0005]针对现有技术的不足,本专利技术提供了一种基于Graphomer的工业控制系统异常检测方法,具备通过故障诊断技术能够识别系统的故障原因,从而及时处理故障,降低损失等优点,解决了网络入侵、故障等异常可能导致工业控制系统的瘫痪,造成巨大的经济损失的问题。
[0006](二) ...
【技术保护点】
【技术特征摘要】
1.一种基于Graphomer的工业控制系统异常检测方法,其特征在于,包括以下步骤:S1、系统框架工作流程S1.1、系统初始化在初始阶段,云服务器基于异常检测模型给出初始化参数包括异常检测模型参数q0,和一些有助于联邦学习聚合模型的参数,如学习率η,衰减指数ρ1,ρ2∈[0,1),用于稳定的小常数ζ,损失函数批量大小B,贡献率α
k
,通信回合数R,本地数据总量大小N
k
;S1.2、本体模型训练每一个工业代理A
k
接收来自于云服务器的初始化参数,然后使用本地的私有数据D
k
训练异常检测模型;详细训练过程在算法2给出;由于工业代理属于边缘服务器,因此拥有足够的计算能力支撑本地模型训练;S1.3、模型参数聚合根据所有工业代理的贡献率,云服务器将所有参数进行聚合,然后将聚合后的参数下发给所有的工业代理;S1.4、本地模型更新本地代理接收到第r轮的聚合参数,使用相同的离线本地多模态数据进行模型更新,重新上传更新好的模型参数;经过R轮的模型参数交互,确定最终的多模态异常检测模型。S2、数据行为关联规则构建利用滑动窗口切割采集的多模态数据,根据不同数据切片下表现出的不同数据行为组合,构建数据行为之间的关联规则表;S3、多模态关联图构建选择其中一组切片数据,根据关联规则表构建数据之间的关联图作为Graphomer模型的输入;S4、基于Graphomer的点预测为了检测点异常,我们利用了Graphomer能够实现预测的功能,预测每个时间点的预期行为,从而识别异常,并且找出异常源头;Graphormer[42]是对Transformer进行了改动,加入了图结构信息编码,从而有效的使用图的结构信息,图结构信息编码有三种,分别是中心编码、空间编码和边编码;S5、故障溯源故障溯源可以视为二分类问题,即判断当前时刻不同节点是否异常;通过把预测值转换成异常分数,可以给节点打上正常或异常标签,根据节点的预测标签构建收敛函数来训练模型。2.根据权利要求1所述的一种基于Graphomer的工业控制系统异常检测方法,其特征在于,所述步骤S1中,系统框架工作流程主要包括两种类型的实体,即云服务器C和工业代理A
k
,k∈K,将多个工业控制系统的工业代理连接同一个云服务器,共同构建一个异常检测模型。3.根据权利要求1所述的一种基于Graphomer的工业控制系统异常检测方法,其特征在于,所述步骤S1中,负责建立一个全面的异常检测模型。初始化时,创建初始化参数下发至各个工业代理;第r轮训练时,联合在每个工业代理在本地训练好的模型参数然后下
发至各个工业代理。4.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员:蔡君,钟纬键,罗建桢,廖丽平,刘燕,李双喜,
申请(专利权)人:奇安信科技集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。