一种改进计算机算法模型的工业互联网信息安全分析方法

本发明属于工业互联网信息安全，具体涉及一种改进计算机算法模型的工业互联网信息安全分析方法。

背景技术：

1、在全球经济进入数字化转型时期，数字化转型已成为传统企业必须付诸行动的必选题，数字化转型已经渗入人们日常的衣食住行、工作生活、生产服务等方方面面。当下，数字化和云服务的深度融合，使得服务办理可以实现数字化办理(也即数字云服务)，能够打破时间和地域限制，提高了服务交互的灵活性。然而，在随着数字云服务规模的激增，其引发的信息安全问题不容忽视。在工业互联网中，信息安全是保障生产安全和业务连续性的重要组成部分。随着工业控制系统(ics)和互联网技术的融合，网络安全威胁日益增多，对计算机算法模型进行改进以增强工业互联网信息安全分析方法变得尤为重要。

2、信息安全的定义为：为数据处理系统建立和采用的技术、管理上的安全保护，为的是保护计算机硬件、软件、数据不因偶然和恶意的原因而遭到破坏、更改和泄露；现阶段，虽然生活方式呈现出简单和快捷性，但其背后也伴有诸多信息安全隐患；不法分子通过各类软件或者程序来盗取个人信息，并利用信息来获利，严重影响了公民生命、财产安全；此类问题多是集中于日常生活，比如无权、过度或者是非法收集等情况。

3、现有的对信息安全进行分析的方法存在以下问题：首先，现有分析方法主要依靠计算机算法模型实现对信息安全的分析，计算机算法模型较为老旧，对信息安全的保护力度不足；其次，现有计算机算法模型对信息安全进行分析的速度较慢，效率低下；最后，计算机算法模型本身容易被病毒感染导致对信息安全进行分析时泄露信息，引起信息丢失和被盗用的现象。

技术实现思路

1、针对现有技术中存在的上述不足之处，本发明公开了一种对信息安全进行高效保护、计算机算法模型的稳定性和运行速度有较大提升的工业互联网信息安全分析方法。通过大数据分析技术对工业数据进行实时处理和分析，以便及时发现潜在的安全威胁。

2、为实现上述技术效果，本发明采用以下技术方案：

3、一种改进计算机算法模型的工业互联网信息安全分析方法，包括：

4、s1、获取工业互联网传输信息；用于通过网络工业互联网数据包捕获方法从工业互联网中获取待分析的工业互联网数据包；

5、s2、筛分工业互联网信息内容，获取图像信息；用于通过协议分析和工业互联网数据包解析方法从工业互联网数据包中提取并筛选出图像信息，并通过噪声滤波和图像增强去除冗杂信息；

6、s3、根据图像信息，训练算法模型；用于通过特征提取算法、mr比例分割算法和sl学习算法实现根据图像信息训练分析模型；

7、s4、分离图像信息，寻找待检测信息；用于通过分析模型实现对图像信息进行处理，得到一类图像和二类图像，其中一类图像包含可读取数据，并将不可读取数据处理至二类图像中；

8、s5、对信息进行双重识别，提取内容信息；用于通过文本识别ocr和二维码识别方法对第一类图像进行文本识别以及二维码识别，提取图像内容信息；

9、s6、进行模拟执行，判定安全性能；用于根据图像内容信息，通过沙盒环境进行模拟执行操作，根据模拟执行操作的结果，通过风险评估判定对应未检测图像的安全性。

10、作为上述方案的进一步描述，

11、所述s2、筛分工业互联网信息内容，获取图像信息的步骤包括：

12、s201、通过自适应阈值方法对未检测图像进行预处理，将未检测图像转化为二值图像；

13、s202、通过像素统计算法和区域分割算法对二值化图像中的像素进行统计，按照像素的灰度值进行像素分类，得到多个像素区域；

14、s203、通过轮廓检测和边缘检测算法对各个像素区域进行形状识别，判定其是否包含文本或者二维码，据此将其划分为第一类图像和第二类图像。

15、作为上述方案的进一步描述，

16、所述s3、根据图像信息，训练算法模型的步骤核心在于通过特征提取算法、mr比例分割算法和sl学习算法实现模型训练；通过特征提取算法对原材料进行特征提取识别，以获取图像信息的特征参数，通过特征参数和sl学习算法，实现训练出与特征参数对应的操作模型，并输出操作模型至所述s4、分离图像信息，寻找待检测信息的步骤；所述特征提取算法通过成分分析和特征识别实现的原材料的特征识别提取，所述特征提取算法通过特征提取公式实现特征识别提取，所述特征提取公式的表达式为：

17、

18、上述公式(1)中，n表示提取特征的数目，用于计算待提取特征的数目；θ表示偏差阈值，表示特征坐标的偏差角度；i表示循环特征参数，表示当前是第i个循环；ω表示偏差权重，表示待识别特征在坐标系中的具体偏差值；x为样本数据，用于表示输入需要提取的特征；y为激活函数参数，用于表示所求特征的参数；

19、所述sl学习算法通过线上反馈数据和对每一个样本进行训练，实现实时快速的进行反馈调整模型调整，对经过模型的工业互联网数据进行高密度的筛查和高效率的识别；所述反馈调整模型的训练流程：首先，设置模型的学习率、正则化参数数值；其次，设置模型的并行学习数；第三，往数据池里持续填充数据；第四，与此同时不同的并行线路会从数据池里取工业互联网数据进行训练；最后，数据抓取完之后，不同线路的模型归并，保存模型；所述sl学习算法通过在线学习公式实现在线学习和训练模型，所述在线学习公式的表达式为：

20、ωt＝1,i＝-(zt,i-sgn(zt,i)-λ1)/(λ2+σ1:t)  (2)

21、在公式(2)中i为特征参数，用于表示输入需要训练的特征；t表示迭代参数，表示当前进程是第i个迭代；λ1、λ2为特征值，用于增加参数在算法中的位置权重；σ1:t表示梯度参数的离散程度，用于作为中间量计算梯度参数的离散度；zt、zt,i为自定义中间变量，所述zt、zt,i的表达式为：

22、

23、

24、在公式(3)、(4)中，σs表示算法中参数的离散程度，用于作为中间量计算算法参数的离散度；g1:t为算法前1到t轮的累计梯度，用于计算算法经过的迭代次数；所述mr实例分割算法通过分割细化方法进一步细化语义检测，以实现像素级别的对象分离，所述mr实例分割算法通过图形分割公式实现对图形信息和图谱信息的筛查，所述图形分割公式的表达式为：

25、

26、上述公式(5)中，p为所求双线性插值中点，用于表示所求分割点坐标，x表示中点横轴坐标数值，用于反映p点的横轴坐标，y表示中点纵轴坐标数值，用于反映p点的纵轴坐标，x1表示一端点的横轴坐标数值，用于确定端点1的横轴坐标和p点范围，x2表示另一端点的横轴坐标数值，用于确定端点2的横轴坐标和p点范围，y1表示端点x1的纵轴坐标数值，用于确定端点1的纵轴坐标和p点范围，y2表示端点x2的纵轴坐标数值，用于确定端点2的纵轴坐标和p点范围，φ表示计算坐标点的夹角值，用于确定端点1、端点2和p点的坐标角度。

27、作为上述方案的进一步描述，

28、所述s4、对信息进行双重识别，提取内容信息的步骤包括：

29、s401、通过光学字符识别引擎对第一类图像进行文本识别，得到文本识别结果；

30、

31、s402、通过计算机视觉库中的二维码检测模块对第一类图像进行二值化处理，并提取其中的二维码图像；

32、s403、基于文本识别结果和二维码图像进行信息提取，得到图像内容信息。

33、作为上述方案的进一步描述，

34、所述s6、进行模拟执行，判定安全性能的步骤包括：

35、s601、创建隔离沙箱，对图像内容信息进行内容扩充，得到扩充访问链接；

36、s602、在隔离沙箱中构建虚拟系统，并按照顺序对扩充访问链接进行逐个访问，得到访问界面；

37、s603、记录进入各个访问界面的过程中被调取的数据内容并识别访问界面，通过网络工业互联网数据包分析方法判定是否存在风险链接，若存在，则判定对应未检测图像存在风险。

38、作为上述方案的进一步描述，

39、所述信息安全分析方法的运行环境为基于计算机算法模型的工业互联网信息安全分析系统，所述安全分析系统包括：

40、数据获取模块；所述数据获取模块基于网络协议和数据采集方法，通过用户协议从工业互联网中获取需要进行安全分析的工业互联网数据包；

41、图像筛分模块；所述图像筛分模块通过信息筛选和处理方法对获取的工业互联网数据包中的图像信息和冗杂信息进行筛选和分离；

42、模型训练模块；所述模型训练模块通过特征提取算法、mr比例分割算法和sl学习算法实现根据图像信息训练分析模型；

43、内容提取模块；所述内容提取模块通过分析模型实现对图像信息的处理和提取，得到一类图像和二类图像，其中一类图像包含可读取数据，并将不可读取数据处理至二类图像中；所述内容提取模块通过对第一类图像进行文本识别以及二维码识别，提取图像内容信息；

44、安全检测模块；所述安全检测模块根据模拟执行操作的结果判定对应未检测图像的安全性；

45、其中，所述数据获取模块的输出端连接所述图像筛分模块的输入端，所述图像筛分模块的输出端连接所述模型训练模块和内容提取模块的输入端，所述模型训练模块的输出端连接所述内容提取模块的输入端，所述内容提取模块的输入端连接所述安全检测模块的输入端，所述数据获取模块通过预置工业互联网信息读取协议实现获取信息。

46、作为上述方案的进一步描述，

47、所述图像筛分模块包括：

48、预处理单元，用于对未检测图像进行预处理，所述预处理单元通过滤波和边缘检测方法将原始图像转化为二值图像；

49、像素分区单元，用于对二值化图像中的像素进行统计分类；所述像素分区单元通过图像处理和分割算法对二值化图像进行像素统计和分区，并通过像素的灰度值进行分类，得到多个像素区域；

50、识别分类单元，用于对各个像素区域进行形状识别分类；所述识别分类单元通过特征描述符、轮廓分析、形状匹配和霍夫变换方法对各个像素区域进行形状识别。

51、作为上述方案的进一步描述，

52、所述内容提取模块包括：

53、文本识别单元，用于获取文本识别结果；所述文本识别单元通过光学字符识别ocr对第一类图像中的文本进行识别；

54、二维码提取单元，用于提取二维码图像；所述二维码提取单元通过图像处理方法对第一类图像进行二值化处理，并通过基于特征点匹配的方法提取其中的二维码图像；

55、内容识别单元，用于获取图像内容信息；所述内容识别单元通过文本识别和二维码解码方法对提取的文本和二维码图像进行信息提取。

56、作为上述方案的进一步描述，

57、所述安全检测模块包括：

58、信息扩充单元，用于对图像内容信息进行内容扩充；所述信息扩充单元通过容器虚拟化方法创建隔离沙箱，并通过生成对抗网络对图像信息进行内容扩充；

59、信息访问单元，用于对扩充访问信息的链接进行逐个访问；所述信息访问单元通过网络爬虫按照预定顺序模拟访问过程并获取相关信息；

60、风险判定单元，用于判定是否存在风险链接；所述基于规则引擎风险判定单元通过规则引擎和机器学习模型对访问界面进行实时监测和分析。

61、综上所述，本发明的积极有益效果：

62、1.本发明中，通过设置改进型的计算机算法模型实现对工业信息的信息安全进行分析，以实现提高正在进行分析中的信息的安全性和稳定性，通过提升信息的安全性实现提高分析方法的实用性；

63、2.本发明中，通过改进计算机的算法模型实现提升对工业信息安全分析的速度和深度，以实现提升对工业信息安全分析的效率和安全性，通过分析深度的加深，实现对敏感、异常、疑似病毒信息额外提取和处理，以实现提高算法模型的工作范围和安全性；

64、3.本发明中，通过设置改进计算机算法模型实现分析时兼容分析图像信息，以实现提高对信息安全的保护力度和分析深度，通过分析图像信息实现提高计算机算法模型的通用性；

65、4.本发明中，通过设置对工业信息的多次分离筛查分析和信息扩充单元实现对工业信息进行云端存储，以实现提升工业信息的安全性和减少工业信息因遗失导致出现的安全性问题；

66、5.本发明中，通过设置算法模型实现兼容大数据分析方法，以实现提升安全分析方法的安全性和评估精度，通过提高评估精度实现提高安全分析方法的泛用性和精准性。