13、水分配网络中网络攻击检测与定位的新方法

水分配网络中网络攻击检测与定位的新方法

1 引言

新技术范式极大地改变了我们的生活和对技术的理解，云计算、普适计算和物联网等在日常生活中日益凸显。许多公司已意识到在工业中实施工业4.0范式的诸多好处，相关技术如无线传感器网络（WSN）、工业物联网（IIoT）和机器对机器（M2M）也应运而生，这促使物理和数字世界融合，即第四次工业革命。

这就需要通过网络安全重新审视工业安全参数。在水分配领域，工业4.0范式的实施带来了新的流程、通信和连接，有助于降低能耗、减少水损失和优化资产管理，但也面临网络攻击的挑战。目前多数算法侧重于网络攻击检测，而在定位方面的研究较少。本文提出了一种结合动态主成分分析、自适应指数加权移动平均图和结构分析的计算工具，以实现水分配网络（WDNs）中网络攻击的有效检测和定位。

2 材料与方法

2.1 动态主成分分析

将数据投影到低维空间可显著降低计算成本并改善工业系统的状态监测。主成分分析（PCA）常用于降维，其目标是获得数据空间的新基，使新空间中的变量不相关。

对于训练矩阵 $X \in R^{n\times m}$（$n$ 为观测数，$m$ 为变量数），需解决优化问题 $\max_{V\neq0} \frac{V^T X^T X V}{V^T V}$ 来确定变换向量集 $V \in R^m$。为将数据投影到 $m - r$ 维的约简空间 $T$，形成具有 $m - r$ 个向量的算子 $P$，使得 $T = X P$。$T$ 投影回 $m$ 维观测空间得到 $\check{X} = T P^T$，$X$ 与 $\check{X}$ 的差构成残差矩阵 $E$。

然而，PCA 假设数据与时间无