中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2025）18-0005-05

Abstract：Inordertoimprove thesecuritylevelofindustrialcontrolsystemsandreducethethreatcausedbynetwork attacks，aprotectionstrategyselectionalgorithmcombiningQ-learingandparticleswarmoptimizationalgorithmisproposedThe experimentalresultsshowthat，whennoprotectivestrategyisimplemented，thebenefitsthatcanbebtainedfromtheattckcan reachupto547.3.AfterimplementingtheparticleswarmalgorithmandBayesianatackgraphselectionprotectionstrategy，the benefitsobtainedfromtheatackdecreasedto432.5and398.7respectivelyWhenimplementingtheprotectivestrategyselected bytheimprovedparticleswarmoptimizationalgorithmbasedonQ-learning，theatackbenefitdecreasedto325.6.Theabove resultsindicatethattheprotectionstrategyselectedbytheimprovedparticleswarmoptimizationalgorithmbasedonQ-learning cansignificantlyreduceattack benefitsand effectivelyprotect industrial control systems from network atacks.

Keywords： industrial control system;securityrisk; Qleaming;particleswarmoptimizationalgorithm; protectionstrategy

隨著工業(yè)控制系統(tǒng)網(wǎng)絡(luò)化浪潮的推進(jìn)，工控系統(tǒng)的電子化程度逐漸增加。雖然電子化程度的增加能削弱工控系統(tǒng)的隔離性，但也增加了其受到網(wǎng)絡(luò)攻擊的風(fēng)險，給工控系統(tǒng)的安全帶來了極大的威脅[1-2]。當(dāng)前面向工控系統(tǒng)的安全感防護(hù)策略選擇模型主要包括基于Markov模型攻擊圖的選擇模型、基于禁忌搜索的選擇模型和基于馬爾科夫博弈模型的選擇模型等，但上述模型均難以高效準(zhǔn)確地選擇出最優(yōu)的防護(hù)策略。因此，為了提高工控系統(tǒng)的防護(hù)力度，研究提出了結(jié)合Q學(xué)習(xí)和粒子群優(yōu)化（Particle Swarm Opti-mization，PSO）算法的安全防護(hù)策略選擇模型。該模型由于僅作用于工控系統(tǒng)的入侵響應(yīng)機制，并不涉及生產(chǎn)制造過程，因此其適用于不同類型的工控系統(tǒng)。同時，該模型還創(chuàng)新性地在PSO算法中引入了Q學(xué)習(xí)，以避免算法陷人局部最優(yōu)的問題。

l基于QPSO的安全防護(hù)策略選擇模型

1.1工控系統(tǒng)安全風(fēng)險評估方法

在提高工控系統(tǒng)的安全性之前，首先需要對工控系統(tǒng)的風(fēng)險及漏洞進(jìn)行識別，以便對癥下藥。貝葉斯攻擊圖能準(zhǔn)確表達(dá)網(wǎng)絡(luò)或信息系統(tǒng)中存在的脆弱點，并全面地反映網(wǎng)絡(luò)或信息系統(tǒng)中脆弱點利用之間的依賴關(guān)系[4。貝葉斯攻擊圖的定義如式（1）所示。

BAG=（S，E，A，P）

式中： BAG 表示貝葉斯攻擊圖；S表示屬性節(jié)點的集合； E 表示有向邊的集合；A表示原子攻擊； P 表示屬性節(jié)點被攻擊的概率集合。在工控系統(tǒng)受到攻擊時，系統(tǒng)中的漏洞被成功利用的概率是通過漏洞評分系統(tǒng)進(jìn)行計算的，其計算公式如式（2）所示。

p（ν_i）=2×AV×AC×AU

， 式中： p（ν_i） 表示漏洞 u_i 被成功利用的概率； i 表示漏洞的索引，用于區(qū)分不同的漏洞， v_i 即第 i 個漏洞； AV 表示攻擊路徑； AC 表示攻擊復(fù)雜度； .AU 表示身份驗證值。各等級網(wǎng)絡(luò)漏洞評價得分見表1。

由表1可知，遠(yuǎn)程網(wǎng)絡(luò)攻擊、相鄰網(wǎng)絡(luò)攻擊和本地攻擊的得分分別為1.0、0.7和0.4;在無驗證、單一驗證方式、多重驗證方式下，身份驗證難度得分分別為 0.7，0.6 和0.5。由于父節(jié)點集會影響子節(jié)點被攻擊利用的概率，因此為了準(zhǔn)確反映屬性節(jié)點被成功利用的概率，需要計算屬性節(jié)點的條件概率。屬性節(jié)點的條件概率計算公式如式（3）所示。

式中：i和 j 表示不同節(jié)點的索引； S_i 表示第 i 個屬性節(jié)點（子節(jié)點），即被攻擊的目標(biāo)節(jié)點； S_j 表示第 j 個父節(jié)點，即對 S_i 有直接影響的前置節(jié)點； 表示在父節(jié)點集 Par（S_i） 的影響下，屬性節(jié)點 S_i 被利用的概率； p（S_j） 表示節(jié)點被利用的概率； d_j 表示屬性節(jié)點類型。此時，屬性節(jié)點先驗概率的計算公式如式（4）所示。

式中： i 和 j 表示不同節(jié)點的索引； S_i 表示第 i 個屬性節(jié)點（子節(jié)點），即被攻擊的目標(biāo)節(jié)點； S_j 表示第 j 個父節(jié)點，即對 S_i 有直接影響的前置節(jié)點； P（S_i） 表示屬性節(jié)點的先驗概率。為了選擇出最合適的防護(hù)策略，需要構(gòu)建合理的目標(biāo)函數(shù)。防護(hù)策略的防護(hù)成本計算公式如式（5）所示。

COST_i=ω_i×νalue×100， （5）式中： COST_i 表示防護(hù)成本； ω_i 表示防護(hù)策略的歸一化權(quán)重； value 表示資產(chǎn)價值。此時防護(hù)策略的有效性如式（6）所示。

式中： C（M_i） 表示防護(hù)策略 M_i 的效益； n 表示屬性節(jié)點的數(shù)量。而對于網(wǎng)絡(luò)攻擊而言，屬性節(jié)點受到攻擊后可獲得的收益如式（7）所示。

AG（S_i）=p（S_i）×νalue，

式中： ：AG（S_i） 表示屬性節(jié)點受到攻擊后可獲得的收益此時，在防護(hù)策略啟動后，攻擊可獲得的收益如式（8）所示。

式中： s 表示屬性節(jié)點的集合： AG（S_i|M） 表示在防護(hù)策略下，攻擊屬性節(jié)點可得的收益； .AG（M） 表示在防護(hù)策略下攻擊可獲得的總收益。防護(hù)成本 攻擊收益目標(biāo)函數(shù)如式（9）所示。

，（9）式中： C（M） 表示防護(hù)策略 M 總效益;8表示攻擊收益的偏好權(quán)重； B 表示防護(hù)總成本的約束。

1.2基于QPSO的防護(hù)策略選擇算法

通過研究構(gòu)建的目標(biāo)函數(shù)雖然能選擇出合適的防護(hù)策略，但由于目標(biāo)函數(shù)求解難度較大，因此難以尋找出最優(yōu)的防護(hù)策略。而PSO算法可以實現(xiàn)對防護(hù)成本-攻擊收益目標(biāo)函數(shù)求解。PSO算法的粒子位置及速度如式（10）所示。

式中： X_i 表示粒子的位置； X_id 表示第 i 個粒子在 d 維中的位置； V_i 表示粒子的速度； V_id 表示第 i 個粒子在d 維中的速度； N 表示粒子數(shù)量； d 表示維度。粒子的位置和速度更新公式如式（11）所示。

式中： X_id^t 表示在 χ_t 時刻粒子 d 維中的位置; X_id^t+1 表示 t+ 1時刻粒子在 d 維中的位置; V_id^t 表示 χ_t 時刻粒子在 d （204維中的速度; V_id^t+1 表示 ^t+1 時刻粒子在 d 維中的速度;w 表示慣性權(quán)重； L_P 表示自學(xué)習(xí)因子； P_id^t 表示 χ_t 時刻 d 維中的局部最優(yōu)粒子； Lb 表示全局學(xué)習(xí)因子； GP_id^t 表示 χ_t 時刻 d 維中的全局最優(yōu)粒子。通過PSO算法雖然能實現(xiàn)目標(biāo)方程的求解，但其存在容易陷入局部最優(yōu)的問題[7-8。因此為了避免陷入局部最優(yōu)，研究提出利用Q學(xué)習(xí)對PSO算法進(jìn)行優(yōu)化。Q表的更新公式如式（12）所示。

式中： Q（st_t+1，at_t+1） 表示更新后的 Q 值； α 表示學(xué)習(xí)率；st_t 表示 χ_t 時刻的狀態(tài); at_t 表示 χ_t 時刻的行動； R（st_t，at_t） 表示由狀態(tài)和行動產(chǎn)生的獎勵； γ 表示折扣系數(shù)。PSO算法的空間狀態(tài)判定準(zhǔn)則見表2。

注： Rd 表示任意粒子與最優(yōu)粒子的相對距離； 表示搜索空間的大??； Rf 表示相對適應(yīng)度； 表示全局最優(yōu)與全局最差粒子的適應(yīng)度差值。

對于動作而言，慣性權(quán)重、自學(xué)習(xí)因子和全局學(xué)習(xí)因子對其具有顯著影響。而QPSO算法會根據(jù)空間狀態(tài)選擇對應(yīng)的動作，并根據(jù)粒子的適應(yīng)度值決定是進(jìn)行獎勵還是懲罰。獎勵函數(shù)如式（13）所示。

式中： R 表示獎勵； state 表示狀態(tài)。將QPSO算法與前一節(jié)中構(gòu)建的工控系統(tǒng)安全風(fēng)險評估方法結(jié)合即可得到工控系統(tǒng)安全防護(hù)策略選擇模型?；赒PSO的工控系統(tǒng)安全防護(hù)策略選擇模型如圖1所示。

由圖1可知，首先進(jìn)行資產(chǎn)估計和漏洞掃描，并根據(jù)上述結(jié)果生成貝葉斯攻擊圖，然后對屬性節(jié)點漏洞被利用的概率進(jìn)行計算。接著根據(jù)漏洞利用概率對屬性節(jié)點受到攻擊的先驗概率進(jìn)行計算。此外，在計算得到漏洞利用概率后，將其與防護(hù)成本和攻擊收益結(jié)合，構(gòu)建目標(biāo)函數(shù)。最后，利用QPSO算法對目標(biāo)函數(shù)進(jìn)行尋優(yōu)，以得到最優(yōu)解。

2安全防護(hù)策略選擇結(jié)果分析

為了探究研究提出的工控系統(tǒng)安全防護(hù)策略選擇模型的性能，研究以水分配系統(tǒng)為例，對其進(jìn)行了測試。實驗中用于生成攻擊圖環(huán)境的虛擬機為Ubuntu 20.04.1 LTS，CPU 為 Intel Core i5-6200U2.3GHZ ，內(nèi)存為32GB，運行環(huán)境為MATLAB。QPSO算法的適應(yīng)度參數(shù)為0.5，防護(hù)總成本無上限。各屬性節(jié)點的先驗概率計算結(jié)果見表3。

由表3可知，屬性節(jié)點11的先驗概率最大，為1.00，這表明屬性節(jié)點11幾乎一定會被攻擊利用。屬性節(jié)點13的先驗概率最小，為0.30。表3中各屬性節(jié)點的平均先驗概率為0.59。上述結(jié)果表明，各屬性節(jié)點被攻擊成功利用的概率整體較高。各防護(hù)策略的防護(hù)成本及其對漏洞利用的影響見表4。

由表4可知，就防護(hù)成本而言，彌補編程邏輯控制器的漏洞的防護(hù)成本最低，僅為10。禁用執(zhí)行代碼的防護(hù)成本最高，為28。就對漏洞利用的影響而言，禁用網(wǎng)絡(luò)服務(wù)對其影響最大，為0.46。斷開主機網(wǎng)絡(luò)對漏洞利用的影響最低，為 0.16_?c ?？梢?，彌補編程邏輯控制器的漏洞的防護(hù)收益最高。為了進(jìn)一步驗證研究提出的防護(hù)策略選擇模型的性能，研究將其與基于PSO的防護(hù)策略選擇模型和基于貝葉斯攻擊圖的最優(yōu)防護(hù)策略選擇（Hardening Measures Selection based onBayesian Attack Graphs，HMSBAG）模型進(jìn)行比較，各算法的收斂曲線如圖2所示。

由圖2可知，PSO在迭代2次后開始收斂，HMSBAG在迭代3次后開始收斂，但其收斂值均為1.2左右。而QPSO算法雖然在迭代2次后才開始收斂，但其收斂值僅為0.7。上述結(jié)果表明，QPSO算法的收斂性優(yōu)于其他算法。各算法的防護(hù)結(jié)果如圖3所示。

由圖3（a）可知，在實行PSO算法和HMSBAG選擇的防護(hù)策略后，攻擊可獲得的收益分別下降至432.5和398.7。而在實行QPSO算法選擇的防護(hù)策略時，攻擊收益下降至 325.6 由圖3（b）可知，PSO算法、HMSBAG和QPSO算法選擇的防護(hù)策略的防護(hù)成本分別為 48.8、42.3 和29.9，其QPSO算法的防護(hù)成本低于其他算法。上述結(jié)果表明，研究提出的基于QPSO的安全防護(hù)策略選擇模型能實現(xiàn)對最優(yōu)防護(hù)策略的選擇，有效降低攻擊收益。

3結(jié)論

為了實現(xiàn)工控系統(tǒng)網(wǎng)絡(luò)安全的防護(hù)，研究提出了基于QPSO算法的防護(hù)策略選擇模型，并以水分配系統(tǒng)為例進(jìn)行了測試。實驗結(jié)果顯示，在眾多防護(hù)策略中，彌補編程邏輯控制器的漏洞的防護(hù)成本最低，僅為10；且其對漏洞影響的程度較大，為0.45。在實行QPSO算法選擇的防護(hù)策略時，攻擊收益下降至325.6，顯著低于其他算法，并且QPSO算法在迭代2次后的攻擊收益就低于其他算法。上述結(jié)果表明，研究提出的基于QPSO算法的防護(hù)策略選擇模型能準(zhǔn)確選擇最優(yōu)的防護(hù)策略。但由于研究在對工控系統(tǒng)的漏洞進(jìn)行掃描時，選擇的掃描工具具有局限性，無法完全涵蓋所有漏洞。因此，未來研究將對如何實現(xiàn)工控系統(tǒng)漏洞掃描的完全覆蓋進(jìn)行探索。

參考文獻(xiàn)：

[1]宋晶，刁潤，周杰，等.工業(yè)控制系統(tǒng)功能安全和信息安全策略優(yōu)化方法[J].信息網(wǎng)絡(luò)安全，2022，22（11）：68-76.

[13]BU Q，MING X，HUJ，et al.TransferSense：towardsenvironment independent and one -shot wifi sensing [J].Personal and Ubiquitous Computing，2022：1-19.

[14] KHAN M A A H，ROY N. Cross-Domain Unseen Activ-ityRecognition Using Transfer Learning [C]//2O22 IEEE46th Annual Computers，Software，andApplications Con-ference（COMPSAC）. IEEE，2022：684-693.

[15] SHI Z，ZHANG JA，XU Y D R，et al. Environment-robust device-free human activity recognition with chan-nel-state -information enhancement and one -shot learning[J].IEEE Transactions on Mobile Computing，2020.

[16]MA X，ZHAO Y，ZHANG L，et al.Practical device-freegesture recognition using wifi signals based on metalearn-ing[J].IEEETransactionson IndustrialInformatics，2019，16（1）：228-237.

[17]胡中源，薛羽，查加杰.演化循環(huán)神經(jīng)網(wǎng)絡(luò)研究綜述[J].計算機科學(xué)，2023，50（3）：254-265.

[18]WOO S，PARKJ，LEEJY，et al.Cbam：Convolutionalblock attention module [C].Proceedings of the Europeanconference on computer vision （ECCV），2018：3-19.

[19]KOLESNIKOV A，BEYER L，ZHAI X，et al.Bigtrans-fer（bit）：General visual representation learning[C]//Com-puter Vision -ECCV 202O：16th Eu ropean Conference，Glasgow，UK，August 23-28，2020，Proceedings，PartV16.Springer International Publishing，2020：491-507.

[2]李軍.基于關(guān)聯(lián)規(guī)則的工業(yè)控制系統(tǒng)運維數(shù)據(jù)挖掘方法[J].微型電腦應(yīng)用，2023，39（9）：167-170.

[3]馬標(biāo)，金映言，那幸儀，等.工業(yè)控制系統(tǒng)入侵檢測技術(shù)研究綜述[J].計算機應(yīng)用與軟件，2023，40（5）：10-18.

[4]康琳琳.基于態(tài)勢感知的工業(yè)信息安全系統(tǒng)設(shè)計與實現(xiàn)[J]冶金自動化，2022，46（1）：241-246.

[5]丁朝暉，張偉，楊國玉，等.工業(yè)控制系統(tǒng)網(wǎng)絡(luò)攻擊預(yù)測技術(shù)研究[J]電子技術(shù)應(yīng)用，2023，49（1）：86-90.

[6]唐鶴，李偉，周俊宇.一種小波神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷模型研究[J].微型電腦應(yīng)用，2023，39（9）：115-118.

[7]楊悅，王丹，胡博，等.基于改進(jìn)多智能體Q學(xué)習(xí)的多源最優(yōu)聯(lián)合調(diào)頻控制策略研究[J].電力系統(tǒng)保護(hù)與控制，2022，50（7）：135-144.

[8]高思華，顧晗，賀懷清，等.基于深度Q學(xué)習(xí)的無線傳感器網(wǎng)絡(luò)目標(biāo)覆蓋問題算法[J].吉林大學(xué)學(xué)報：理學(xué)版，2023，61（6）：1432-1440.