工业控制系统网络安全态势感知系统设计与威胁检测方法研究.docxVIP

PAGE2

工业控制系统网络安全态势感知系统设计与威胁检测方法研究

摘要

随着工业互联网与智能制造深度融合，工业控制系统（ICS）正面临日益严峻的网络安全威胁。传统工控系统防护多依赖隔离与边界防御，缺乏对内部异常行为的感知能力，难以应对高级持续性威胁。本课题设计并实现了一套面向工业控制系统的网络安全态势感知系统，重点研究基于深度学习的威胁检测方法，旨在实时感知工控网络的安全状态，提升系统主动防御水平。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先剖析工控网络安全痛点与态势感知需求，明确功能与非功能指标；继而设计包含数据采集、预处理、威胁检测、态势评估与可视化展示的五层架构，并完成数据库与接口设计；在详细设计阶段，提出一种融合卷积神经网络与长短时记忆网络的混合模型（CNN-LSTM）进行流量异常检测，并采用层次分析法构建态势量化评估模型；最后完成系统开发与测试，验证了检测召回率达96.3%，态势评估准确率超90%。

本设计的核心创新点在于将深度学习威胁检测与态势量化评估相结合，构建了轻量级、可落地的工控感知系统，并针对Modbus/TCP协议做了特征工程优化，有效解决了工控流量特征稀疏与实时性要求高的矛盾。

第一章绪论

1.1研究背景

近年来，工业控制系统从封闭走向互联，网络安全事件频发。2015年乌克兰电网遭恶意软件攻击导致大面积停电，2021