本的特征，以便進行下一步的處理。
[0066]根據功耗信息樣本對應的工作狀態，對計算得到的功耗特征信息進行標類，總計 標成8類。將標類后得到的功耗樣本信息特征數據分成等數目的兩組，一組使用libsvm工具 箱基于SVM機器學習算法訓練得到監控分類器，此時根據功耗信息樣本時間長度的不同得 到四個監控分類器，然后使用訓練得到的監控分類器對另一組進行識別，
[0067]采用上述4個監控分類器分別對任一 PLC程序進行監控識別實驗，按待識別程序種 類的不同，分別做測試，在測試過程中使用5折交叉驗證的方法進行評估統計分析，識別的 準確率如圖3所示，可以看出時間長度為1 Os時，監控準確率最高。
[0068] (2)使用 U2541A 型數據采集器分別以 250KSa/s、125KSa/s、50KSa/s、25KSa/s 和 5KSa/s的采樣速率采集S7-300型PLC分別運行8種程序時產生的功耗數據，將這些功耗數據 分割成l〇s每段的功耗樣本，獲得PLC運行8種程序時產生的功耗信息樣本各1200個(包含五 種不同采樣速率獲得的信息樣本各300個）。
[0069] 采用以下公式提取并計算出每個功耗信息樣本對應功耗特征信息。
[0070] 琢構估.
[0071] (1)
[0072]
[0073] (2)
[0074]
[0075] (3)
[0076]
[0077] C4)
[0078]
[0079] (5)
[0080]
[0081 ] (:6)
[0082]
[0083] (.7).
[0084]
[0085] (8)
[0086] 其中N為功耗數據點數，Xk是第K個點的數值，σ是標準差，ak為進行頻域變換后第K 個頻率fk處的能量大小，f是頻譜均值，Vs是頻譜方差。
[0087]除計算以上八個功耗特征信息之外，同時使用libxtract工具箱計算Tonality、 power以及irregularity_j三個功耗特征信息，得到共計11個功耗特征信息反映功耗信息 樣本的特征，以便進行下一步的處理。
[0088]根據功耗信息樣本對應的工作狀態，對計算得到的功耗特征信息進行標類，總計 標成8類。將標類后得到的功耗樣本信息特征數據分成等數目的兩組，一組使用libsvm工具 箱基于SVM機器學習算法訓練得到監控分類器，此時根據功耗信息樣本采樣速率的不同得 到五個監控分類器，然后使用訓練得到的監控分類器對另一組進行識別，
[0089]采用上述5個監控分類器分別對任一 PLC程序進行監控識別實驗，按待識別程序種 類的不同，分別做測試，在測試過程中使用5折交叉驗證的方法進行評估統計分析，識別的 準確率如圖4所示，可以看出采樣速率為250KSa/s時，監控識別準確率最高。
[0090] (3)使用U2541A型數據采集器以250K/Sa/s的采樣速率采集S7-300型PLC分別運行 8種程序時產生的功耗數據，將這些功耗數據分割成10s每段的功耗樣本，獲得PLC運行8種 程序時產生的功耗信息樣本各300個。
[0091]采用以下公式提取并計算出每個功耗信息樣本對應功耗特征信息。
[0092] 平均值：
[0093] (1)
[0094]
[0095] (2)
[0096]
[0097] (3)
[0098]
[0099] (4)
[0100]
[0101] (5)
[0102]
[0103] (6)
[0104]
[0105] (7)
[0106]
[0107] (8)
[0108] 其中N為功耗數據點數，Xk是第K個點的數值，σ是標準差，ak為進行頻域變換后第K 個頻率fk處的能量大小，歹是頻譜均值，Vs是頻譜方差。
[0109]除計算以上八個功耗特征信息之外，同時使用libxtract工具箱計算Tonality、 power以及irregularity_j三個功耗特征信息，得到共計11個功耗特征信息反映功耗信息 樣本的特征，以便進行下一步的處理。
[0110]根據功耗信息樣本對應的工作，對計算得到的功耗特征信息進行標類，總計標成8 類。將標類后得到的功耗樣本信息特征數據分成等數目的兩組，一組使用libsvm工具箱基 于SVM機器學習算法訓練得到監控分類器，此時根據訓練分類器時所用特征數據數目的不 同得到五個監控分類器，然后使用訓練得到的監控分類器對另一組進行識別，
[0111]采用上述5個監控分類器分別對任一 PLC程序進行監控識別實驗，按待識別程序種 類的不同，分別做測試，在測試過程中使用5折交叉驗證的方法進行評估統計分析，識別的 準確率如圖5所示，可以看出當訓練用特征數據數目為150個，監控識別準確率最高。
[0112]上述【具體實施方式】用來解釋說明本發明，而不是對本發明進行限制，在本發明的 精神和權利要求的保護范圍內，對本發明作出的任何修改和改變，都落入本發明的保護范 圍。
【主權項】
1. 一種基于旁路信息的化C安全監控方法，其特征在于:包括W下步驟： 1) 通過在化C的電源模塊W及CPU模塊之間串入取樣電阻，使用高速數據采集設備采集 PLC在運行時產生的功耗信息。 2) 從采集得到的原始功耗旁路信息中，計算得到能夠反映 PLC不同工作狀態的功耗特 征信息。 3) 使用計算得到的功耗特征信息結合SVM機器學習算法訓練監控分類器。 4) 由步驟3)得到的監控分類器，監測化C的當前工作狀態，實現安全監控。2. 根據權利要求1所述的一種基于旁路信息的PLC安全監控方法，其特征在于:所述的 步驟1)中在電源模塊與CPU模塊之間串聯接入阻值大小為0.1歐姆的電阻，進行化C功耗信 息的提取，通過W下公式將功耗信息轉換為易測量的電壓信號： Vi = Ii*R 其中，Vi為高速數據采集器測量的實時電壓數值，Ii為電源模塊與CPU模塊之間的實時 電流值，即實時功耗信息，R為電源模塊與CPU模塊之間串入的電阻，大小為0.1歐姆。同時使 用高速數據采集器實時采集串入的取樣電阻兩端的電壓變化情況，采樣速率為250KSa/s， 采樣精度為16bit。3. 根據權利要求1所述的一種基于旁路信息的PLC安全監控方法，其特征在于:所述的 步驟2)中將通過高速數據采集器獲得的化C在不同工作時產生的原始功耗旁路信息切割成 等時間長度的功耗旁路信息片段，每一個功耗旁路信息片段就是一個功耗信息樣本，采用 W下公式提取并計算出每個功耗信息樣本對應的能夠反映化C不同工作的功耗特征信息。平均值： 偏度： 峰度： 頻譜均值： 頻譜方差： 頻譜標準差： 不規律性： 均方根振幅： (8) 其中N為功耗數據點數，Xk是第K個點的數值，O是標準差，ak為進行頻域變換后第K個頻 率fk處的能量大小，玄;是頻譜均值，Vs是頻譜方差。 除計算W上八個功耗特征信息之外，同時使用Iibxhact工具箱計算Tonal ity、power W及irregularity_jS個功耗特征信息，得到共計11個功耗特征信息反映功耗信息樣本的 特征，W便進行下一步的處理。4. 根據權利要求1所述的一種基于旁路信息的化C安全監控系統，其特征在于:所述的 步驟3)中對計算得到的相應功耗信息樣本的功耗特征信息，根據對應的化C工作狀態對運 些功耗特征信息進行標類。借助標類后得到的功耗樣本特征數據，使用Iibsvm工具箱基于 SVM機器學習算法訓練監控分類器。5. 根據權利要求1所述的一種基于旁路信息的化C安全監控系統，其特征在于:所述的 步驟4)中使用步驟3)中訓練得到的監控分類器，對化C運行時產生的實時功耗數據進行監 控，從而判斷出其當前工作，實現對當前化C的安全監控。
【專利摘要】本發明公開了一種基于旁路信息的PLC安全監控方法。借助對功耗旁路信息的分析實現對PLC當前工作的安全監控。以在PLC的供電線路中串入取樣電阻的方式，使用高速數據采集設備獲取PLC運行時產生的實時功耗信息，根據獲取的功耗信息計算出能夠反映PLC當前工作的特征信息，根據這些計算得到的特征信息，使用SVM算法構造分類器，實現對PLC當前工作的有效識別。本發明硬件結構簡單，無需修改工業控制系統的硬件以及軟件系統，不會影響工業控制系統的正常運行，同時能夠以高準確率實現對PLC的安全監控。
【IPC分類】G05B19/05
【公開號】CN105652781
【申請號】
【發明人】徐文淵, 王灝然
【申請人】浙江大學
【公開日】2016年6月8日
【申請日】2016年3月12日