本技術涉及網(wǎng)絡資產(chǎn)識別，特別是涉及一種用于電力系統(tǒng)中的資產(chǎn)識別方法、設備及存儲介質(zhì)。

背景技術：

1、隨著大數(shù)據(jù)和人工智能技術的不斷發(fā)展，以及電力系統(tǒng)業(yè)務的多元化和智能化水平的提升，電力系統(tǒng)中的資產(chǎn)識別和分類變得尤其重要。作為電力系統(tǒng)運營的關鍵組成部分，資產(chǎn)的管理決策直接影響著供電可靠性水平。輸電系統(tǒng)運營商通過獲取資產(chǎn)參數(shù)信息可以解決兩個關鍵問題：如何最大限度地利用資產(chǎn)的壽命周期，以及如何安排執(zhí)行各種資產(chǎn)管理操作，尤其是需要停機操作的資產(chǎn)。

2、目前，在工控領域，主動式和被動式是較為常見的資產(chǎn)識別和分類方法：

3、1)主動式方法：通過主動掃描網(wǎng)絡系統(tǒng)以獲取資產(chǎn)信息并進行識別和分類。目前比較成熟的主動式識別工具有nmap、nessus、openvas等。主動式指紋識別技術盡可能收集全面的資產(chǎn)指紋特征信息，但可能會導致網(wǎng)絡繁忙，特別是在大規(guī)模的電力系統(tǒng)中，可能導致plcs、rtus等設備過載，使正常請求無法響應。此外，電力系統(tǒng)設備通常具有長生命周期，設備過老化，很難由第三方獲取到全面精確的信息。又或者資產(chǎn)管理和維護可能由外包人員執(zhí)行，他們可能無法提供準確的信息或提供了錯誤的信息，導致實施可行性較低。

4、2)被動式方法：通過最小化對網(wǎng)絡的干擾監(jiān)聽網(wǎng)絡獲取信息。目前已有一些比較成熟的被動式識別工具，如ettercap、p0f、satori、networkminer等。然而，該方法是基于tcp/ip協(xié)議棧的網(wǎng)絡監(jiān)聽和分析，主要通過收集會話通道信息。因此，被動式方法收集的信息相對有限，無法獲取一些細節(jié)信息和全面的資產(chǎn)指紋，導致識別率較低。

5、不論是基于主動式或者被動式的檢測方式，對電力系統(tǒng)應用來說都是不完善的，不能很好的滿足用戶的業(yè)務需求。所以，現(xiàn)在本領域的技術人員亟需要一種用于電力系統(tǒng)中的資產(chǎn)識別方法、設備及存儲介質(zhì)，解決目前對人工介入獲取資產(chǎn)信息的依賴及人工提供的信息不準確的技術問題。

技術實現(xiàn)思路

1、本技術的目的是提供了一種用于電力系統(tǒng)中的資產(chǎn)識別方法、設備及存儲介質(zhì)，解決目前對人工介入獲取資產(chǎn)信息的依賴及人工提供的信息不準確的技術問題。

2、為解決上述技術問題，本技術提供了一種用于電力系統(tǒng)中的資產(chǎn)識別方法，其中，包括：

3、獲取的設備間通信交互流量數(shù)據(jù)，對所述設備間通信交互流量數(shù)據(jù)進行預處理，得到設備間通信會話的特征向量集合；

4、運用序列關聯(lián)分析算法對所得到的設備間通信會話的特征向量集合p按通信對象自動進行行為模式分析，從而得到由不同通信對象的設備間通信交互行為序列模式集合m；其中任意一個通信對象的設備間通信交互行為序列模式為：mj＝{第j個通信對象的源ip、第j個通信對象的目的ip、第j個通信對象的數(shù)據(jù)包向量、第j個通信對象的連續(xù)前后兩次發(fā)送或接收數(shù)據(jù)包的時間間隔δtj}；

5、將所述設備間通信交互行為序列模式集合m進行標簽化后得到設備間通信樣本數(shù)據(jù)，再根據(jù)設備間樣本數(shù)據(jù)構建資產(chǎn)分類模型以識別電力系統(tǒng)中的資產(chǎn)。

6、優(yōu)選地，所述獲取的設備間通信交互流量數(shù)據(jù)，對所述設備間通信交互流量數(shù)據(jù)進行預處理，得到設備間通信會話的特征向量集合的具體內(nèi)容為：

7、所述利用流量分割工具對捕獲到的設備間通信交互流量數(shù)據(jù)按五元組信息進行分割形成設備間收發(fā)通信會話，然后再特征提取得到設備間通信會話的特征向量集合。

8、進一步優(yōu)選地，所述利用流量分割工具對捕獲到的設備間通信交互流量數(shù)據(jù)按五元組信息進行分割形成設備間收發(fā)通信會話，然后再特征提取得到設備間通信特征向量集合的具體內(nèi)容為：

9、通過流量分割工具對所捕獲到的設備間通信交互流量數(shù)據(jù)按照相同五元組信息進行分割形成設備間收發(fā)通信會話，所述五元組信息為源ip、源端口、目的ip、目的端口、網(wǎng)絡傳輸協(xié)議；

10、根據(jù)設備間收發(fā)通信會話進行特征提取，得到設備間通信會話的特征向量集合p，也即是設備間通信會話的特征向量集合p＝{p(1)，p(2)……p(i)}，所述集合p中任意特征向量p(i)＝{p1，p2，……pk}，其中pk為第i個特征向量p(i)的第k個元素，pk＝{第i個會話五元組信息，報文時序號，第i個會話的第k個數(shù)據(jù)包向量，第i個會話的第k個數(shù)據(jù)包時間間隔}。

11、優(yōu)選地，所述所述運用序列關聯(lián)分析算法對所得到的設備間通信會話的特征向量集合p按通信對象自動進行行為模式分析的具體內(nèi)容為：

12、將所得到的設備間通信特征向量集合中特征向量pi按照五元組信息中源ip、目的ip、會話數(shù)據(jù)包向量的包方向和協(xié)議對數(shù)據(jù)進行分類，形成具有相同方向的相同協(xié)議的相同源ip到相同目的ip的收發(fā)會話子集；

13、再按照每個子集中包向量和包時間間隔特征進行頻繁項挖掘，并以每個子集中相同包向量和包時間間隔的占比不低于設定閾值來定義頻繁項集，從而得到由不同通信對象的設備間通信交互行為序列模式集合m。

14、優(yōu)選地，所述設備間通信交互行為序列模式集合m通過定時啟動再重復按通信對象自動進行行為模式分析進行全量自學習和更新數(shù)據(jù)庫。

15、優(yōu)選地，所述將設備間通信交互行為序列模式集合m進行標簽化后得到設備間通信樣本數(shù)據(jù)的具體內(nèi)容為：

16、將所述設備間通信交互行為序列模式集合m通過聚類方式自動添加類型標簽，經(jīng)過類型標簽得到設備間通信樣本數(shù)據(jù)。

17、優(yōu)選地，所述根據(jù)設備間樣本數(shù)據(jù)構建資產(chǎn)分類模型來識別電力系統(tǒng)中的資產(chǎn)的具體內(nèi)容為：

18、根據(jù)隨機方式將所述設備間樣本數(shù)據(jù)劃分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集；

19、利用深度學習算法在訓練數(shù)據(jù)集上進行建模訓練后得到資產(chǎn)分類訓練模型，將所述資產(chǎn)分類訓練模型與所述測試數(shù)據(jù)集進行驗證，若驗證結果一致則所述資產(chǎn)分類訓練模型為最優(yōu)的資產(chǎn)分類模型；若驗證結果不一致則所述資產(chǎn)分類訓練模型定時返回自學習，直至與測試數(shù)據(jù)集驗證一致后輸出最優(yōu)的資產(chǎn)分類模型；

20、根據(jù)所述最優(yōu)的資產(chǎn)分類模型對實時獲取的設備間通信交互流量數(shù)據(jù)進行判斷，若實時獲取的設備間通信交互流量數(shù)據(jù)與所述最優(yōu)的資產(chǎn)分類模型所對應的數(shù)據(jù)集不相對應，則判斷本次實時獲取的設備間通信交互流量數(shù)據(jù)中存在未知資產(chǎn)；反之則不存在未知資產(chǎn)。

21、優(yōu)選地，所述深度學習算法為支持向量機svm算法或神經(jīng)網(wǎng)絡算法cnn。

22、為解決上述技術問題，本技術還提供了一種用于電力系統(tǒng)中的資產(chǎn)識別設備，包括：

23、存儲器，用于存儲計算機程序；

24、處理器，用于執(zhí)行所述計算機程序時實現(xiàn)如上述所述用于電力系統(tǒng)中的資產(chǎn)識別方法的步驟。

25、為解決上述技術問題，本技術還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述所述用于電力系統(tǒng)中的資產(chǎn)識別方法的步驟。

26、本技術提供的一種用于電力系統(tǒng)中的資產(chǎn)識別方法，在獲取的設備間通信交互流量數(shù)據(jù)后，對所述設備間通信交互流量數(shù)據(jù)進行預處理，得到設備間通信特征向量集合；運用序列關聯(lián)分析算法對所得到的設備間通信特征向量集合按通信對象自動進行行為模式分析，從而得到設備間通信交互行為序列模式集合m；將所述設備間通信交互行為序列模式集合m進行標簽化后得到設備間通信樣本數(shù)據(jù)，再根據(jù)設備間樣本數(shù)據(jù)構建資產(chǎn)分類模型以識別電力系統(tǒng)中的資產(chǎn)。本技術不僅基于無監(jiān)督的模式識別技術，在不依賴資產(chǎn)固有臺賬及相關背景知識情況下，也可以實現(xiàn)電力系統(tǒng)的資產(chǎn)的分類；還在基于無監(jiān)督的模式識別技術分析輸出結果之上，進一步基于神經(jīng)網(wǎng)絡進行建模，可以實現(xiàn)對電力系統(tǒng)資產(chǎn)的精準分類。

27、本技術提供的用于電力系統(tǒng)中的資產(chǎn)識別設備及計算機可讀存儲介質(zhì)，與上述方法對應，效果同上。