0 引言

    工業(yè)控制系統(tǒng)（Industrial Control System，ICS）廣泛應用在工業(yè)、能源、交通、水利以及市政等重點領域，用于控制生產設備的運行。典型的工業(yè)控制系統(tǒng)包括可編程邏輯控制器（Programmable Logic Controller，PLC）、分布式控制系統(tǒng)（Distribute Control System，DCS）及數據采集與監(jiān)控系統(tǒng)（Supervisory Control And Data Acquisition，SCADA）等。工業(yè)控制系統(tǒng)是國家關鍵基礎設施的重要組成部分，其安全問題直接關系到國民經濟的正常運行和社會穩(wěn)定^[1]。

    隨著我國“互聯(lián)網+”、“中國制造2025”等戰(zhàn)略的推進實施，互聯(lián)網、物聯(lián)網、云計算、大數據等信息技術對工業(yè)生產的各環(huán)節(jié)和城市關鍵基礎設施建設的滲透越來越深，從而加劇了工業(yè)控制系統(tǒng)的信息安全風險。

    近年來，工業(yè)控制系統(tǒng)信息安全事件不斷發(fā)生，從伊朗核電站感染Stuxnet病毒事件，到Havex入侵了歐美1 000多家能源系統(tǒng)，再到烏克蘭電力系統(tǒng)被BlackEnergy惡意軟件攻擊等事件，充分反映了工業(yè)控制系統(tǒng)信息安全面臨的嚴峻形勢。研究工業(yè)控制系統(tǒng)的攻擊檢測方法，對及時發(fā)現并阻止黑客的入侵攻擊和避免造成物理損失具有重大意義。

1 背景

    隨著計算機技術和網絡技術的發(fā)展及普及，網絡安全問題越發(fā)凸顯，尤其是拒絕服務攻擊（Denial of Service，DoS），盡管方式簡單，但是攻擊非常有效。它能夠短時間內使服務網絡中充斥大量的信息，消耗帶寬或系統(tǒng)資源，導致網絡趨于癱瘓而無法提供正常的網絡服務。其中，分布式拒絕服務攻擊(Distributed Denial of Service，DDoS)作為DoS的特殊形式，它采用一種分布、協(xié)作方式對網絡進行攻擊。在眾多的攻擊方式中，分布式拒絕服務攻擊的危害最大，最易于達到攻擊效果，并且最難進行抵御和追蹤，同時它也是現今網絡面臨的主要威脅之一。

    針對網絡DDoS攻擊的檢測研究由來已久，目前的檢測方法大概可以分為兩大類，大多數的檢測方法或采用其中一種，或兩種方法結合使用。其中一種是對服務/控制網絡中流量進行建模分析，利用網絡遭受DDoS攻擊時，與模型相關的參數變化來識別出DDoS攻擊，如文獻[2-6]；另外一種是利用網絡在遭受DDoS攻擊時網絡表現出來的特性（如：IP地址集聚等）來進行攻擊判斷，如文獻[7-10]。

    對于具體的研究方法，文獻[2]利用網絡發(fā)生DDoS攻擊時，攻擊網絡的目的地址或者目的端口過于集中的特性，以及發(fā)生DDoS攻擊時的協(xié)議特征建立基于聚集和協(xié)議分布防御分布式拒絕服務攻擊（Aggregat-based Protocal Analysis，ATA-ANTI-DDoS)模型，來檢測DDoS攻擊；文獻[3]利用網絡特性建立自回歸系統(tǒng)模型，以此模型來估計參數分形維數和自相似系數，同時利用基于最大似然估計的改變點檢測方法來檢測DDoS攻擊；文獻[4]認為網絡數據包具有多位屬性，提出使用利用主成份分析(Principal Component Analysis，PCA)來降低主干網絡的網絡數據采集維數，同時，對網絡中的OD流量和物理鏈路流量進行建模和特征進行分析；文獻[5]在骨干網絡中，在網絡應用層的DDoS攻擊（Application Distributed Denial of Service，AL-DDoS）中，構造了一個實時變頻矢量，并建立實時的業(yè)務模型。通過檢查AL-DDoS攻擊流量的熵值，實時業(yè)務模型可以設別出真實的AL-DDoS攻擊；文獻[6]通過檢測網絡中的數據包地址來建立檢測矩陣模型，同時運用遺傳算法（Genetic Algorithm，GA）來減少模型中的地址劃分沖突問題，以此提高對DDoS攻擊的檢測效率；文獻[7]提出的方法主要是針對網絡的物理層中的流量，利用數據包的維數來檢測DDoS攻擊；文獻[8]提出從歷史網絡流量中抽取合法用戶的IP地址建立數據庫，以檢查流經路由器當前數據包中的源IP地址是否在合法的IP數據庫作為DDoS的檢測手段；文獻[9]使用累積和（Cumulative Sum，CUSUM）方法來統(tǒng)計路由器中進出各端口的流量，并以進出口流量比率作為檢測DDoS攻擊的統(tǒng)計量；文獻[10]提出一種基于卡爾曼濾波的低速率分布式拒絕服務攻擊（Low-rate Distribute Denial of Service，LDDoS）攻擊檢測方法，該方法根據網絡流量矩陣估算理論以及網絡在遭受DDoS攻擊時流量突然減小的事實，對流量矩陣進行有效的預測和估算，然后通過比較預測與估算的誤差就可以有效地檢測LDDoS攻擊。

    本文在充分分析了工業(yè)系統(tǒng)中DDoS攻擊的特點和傳統(tǒng)DDoS檢測方法的基礎上，提出一種擴展Kalman濾波和控制系統(tǒng)的模型參數識別的算法來檢測DDoS的攻擊。通過在搭建的SCADA工業(yè)控制仿真系統(tǒng)平臺中進行測試和實驗，驗證了本文提出的算法可以有效識別出針對特定工業(yè)控制系統(tǒng)網絡的DDoS攻擊。

2 基于擴展Kalman濾波的工業(yè)控制系統(tǒng)DDoS攻擊檢測

2.1 典型的工業(yè)控制系統(tǒng)結構圖

    典型的工業(yè)控制系統(tǒng)結構如圖1所示。

    在上述的常用工業(yè)控制系統(tǒng)中，最具有代表性意義的當屬在石油石化、電力等能源行業(yè)應用最多SCADA系統(tǒng)。常見的SCADA系統(tǒng)的網絡體系構架如圖2所示。

    越來越多的工業(yè)控制系統(tǒng)的網絡采用基于TCP/IP的工業(yè)以太網協(xié)議。第一，由于企業(yè)的信息管理網絡已經廣泛采用了基于TCP/IP協(xié)議的以太網交互技術，這使得控制系統(tǒng)更加集成化。第二，控制網絡采用以太網，大大提高了信息傳輸速率。第三，控制網絡采用以太網，大大提高了不同設備和系統(tǒng)之間的信息交換效率。下面以Modbus/TCP協(xié)議為例，簡要說明工業(yè)控制系統(tǒng)使用的協(xié)議特點。

    Modbus協(xié)議廣泛使用在SCADA系統(tǒng)中，它通常負責人機交互界面和控制器等的數據通信。現在Modbus已經成為工業(yè)控制事實上的標準，很多Modbus系統(tǒng)使用TCP作為通信層協(xié)議。Modbus/TCP使用了TCP/IP協(xié)議棧的五層，分別為：物理層、數據鏈路層、網絡層、傳輸層和應用層。在TCP/IP以太網上傳輸，支持Ethernet II和802.3兩種幀格式，其數據幀包含報文頭、功能碼和數據3部分,其使用的端口號是502。

    Modbus使用主從通信模式。主設備負責發(fā)起查詢任務，從設備負責進行響應。但同一時刻，只有一個設備作為主設備。在異構型網絡拓撲結構中，包含有Modbus/TCP和串口Modbus設備，常使用網關或網橋將其連接到IP網絡中。

    從使用最廣泛的Modbus/TCP協(xié)議的特征，可以看到工業(yè)控制系統(tǒng)所使用的協(xié)議相對互聯(lián)網HTTP等協(xié)議較簡單，功能碼較少，信息交互機制簡單，處理高效，沒有加入加密等安全機制。可見，工控系統(tǒng)的協(xié)議特點決定了工控系統(tǒng)對網絡攻擊的承受力很低。

2.2 工業(yè)控制系統(tǒng)與傳統(tǒng)信息系統(tǒng)區(qū)別

    根據美國國家標準技術研究院（National Institute of Standards and Technology, NIST）發(fā)布的《工業(yè)控制系統(tǒng)（ICS）信息安全指南》可以清楚地看到傳統(tǒng)信息系統(tǒng)與工業(yè)控制系統(tǒng)之間的區(qū)別，如表1^[11]所示。

    通過表1中的對比可以看到，工業(yè)控制系統(tǒng)因為需要更加安全、可靠、平穩(wěn)的運行環(huán)境，而對實時性和數據準確性要求更高。由此，傳統(tǒng)的信息系統(tǒng)和工業(yè)控制系統(tǒng)對于DDoS攻擊的承受能力和防范要求是不一樣的。工業(yè)控制系統(tǒng)因其獨特的特點，就使得系統(tǒng)在檢測DDoS攻擊方面必須更加高效、準確、實時、高速和及時。同時，發(fā)生DDoS攻擊時，要保證數據的有效和準確，特別是不能破壞控制系統(tǒng)的控制類數據。

2.3 擴展Kalman濾波算法

    卡爾曼濾波是一種高效的遞歸濾波器，它通過對輸入和輸出貫徹數據，對系統(tǒng)狀態(tài)進行最優(yōu)估計，同時通過去除一系列的噪聲來還原真實數據。擴展卡爾曼濾波算法是在標準卡爾曼濾波算法的基礎上發(fā)展起來的，它的基本思想是：在濾波值的附近使用泰勒展開式，對于二階以上的高階項全部省去，從而將原非線性系統(tǒng)近似為線性系統(tǒng)，再利用標準的卡爾曼濾波算法對系統(tǒng)線性化型模型進行濾波。

    擴展Kalman濾波方程組包含了預測步驟和更新步驟。對于離散系統(tǒng)，控制過程可以用微分方程描述為：

    通常，在網絡流量采樣中，U(k)為系統(tǒng)的控制量，如果沒有則為0，W(k)和V(k)可以假設成白噪聲矩陣來近似處理，它們的協(xié)方差矩陣分別是Q和R，卡爾曼濾波器可以結合k時刻的預測值和測量值，得到下一時刻k+1的估計值。

    假設現在的時刻為k+1，利用k時刻的最優(yōu)估算，記為：X(k|k)，可以得到k的先驗估計，記為：X(k+1|k)，則有：

其中，H^T是H的轉置矩陣，I為單位矩陣，當系統(tǒng)是單系統(tǒng)模型時，I=1；此時通過k時刻的觀測值和預估值即可使系統(tǒng)進入k+1的狀態(tài)，Φ和H分別是f和h的雅各比矩陣，其雅各比矩陣的具體求導法則如下：

2.4 基于Kalman濾波的模型參數識別算法

    網絡發(fā)生DDoS攻擊時，網絡中的很多性質都發(fā)生了變化，如網絡的流量、時延以及數據包量與IP地址的比值等。要想準確地判斷工業(yè)控制系統(tǒng)網絡是否發(fā)生了DDoS攻擊，只知道流量情況是不夠的，如果知道網絡發(fā)生DDoS攻擊時的數據包和IP地址等的關系，就能大大提高DDoS檢測的準確性。

    在網絡中，采樣時刻k與流量的關系描述函數f和h，以及系統(tǒng)在發(fā)生DDoS攻擊時，IP與流量的擬合關系函數g等都是未知的，它們都表征著網絡的性能特點。并且，這些表征網絡性質的函數都與具體的網絡系統(tǒng)結構有關（如網絡帶寬、端口數量、路由能力等）。但不論這些函數是線性的還是非線性的，均可以用泰勒級數來展開，并可以對函數做近似處理：

    將包含參數的函數f(x)和h(x)代入擴展卡爾曼濾波算法中，同時利用網絡的歷史數據，通過使用參數辨識的方法，得到流量的具體模型參數a_i、b_i和c_i(i=0，1，2)。

3 實驗平臺說明

3.1 實驗平臺概況

    本實驗的驗證平臺是電子一所研究工業(yè)控制系統(tǒng)信息安全所搭建的一套模擬天然氣管道輸送的SCADA系統(tǒng)。除了仿真測試系統(tǒng)的天然氣用壓縮空氣來代替之外，系統(tǒng)平臺的輸送控制流程和工藝均來自中國某油田的實際生產運行系統(tǒng)，并且系統(tǒng)的控制器、工作站、數據庫等均與實際運行的一樣。圖3所示是簡化的仿真測試系統(tǒng)平臺的結構圖。

    該SCADA系統(tǒng)具有3個操作站(本地場、工程師站、遠程中心)、若干個RTU(遠程設備終端，協(xié)議是Modbus/TCP)、公司上層網以及一個中心服務器。其中，通過RTU將現場的實時數據傳遞到服務器中，各個操作站和管理網通過網絡進行實時數據通信和共享；另外，各個操作站將依據各自的控制權限將控制命令通過服務器發(fā)送到RTU，實現對執(zhí)行機構的實時控制。

3.2 攻擊測試說明

    本次攻擊測試針對的是SCADA系統(tǒng)在管道輸送過程中的降壓流程。具體的DDoS攻擊手段是通過使用1臺高性能計算機控制10片刀片式服務器發(fā)生針對服務器服務端口進行的。攻擊測試是在500 s的時間內隨機進行多次攻擊，持續(xù)時間5 s～10 s不等，同時反復進行多次測試。

4 實驗

4.1 實驗前數據預處理

    實驗前，針對網絡進行數據采集。針對該工業(yè)控制系統(tǒng)所使用的端口號進行數據統(tǒng)計，采集時間隨機從30 min～24 h等分45組進行，得到具體45組數據，如圖4。

    對圖4得到的柱狀圖中的數據進一步處理，得到如圖5所示數據包采樣的均值和平滑處理值。

    對系統(tǒng)的仿真測試平臺的數據包采集值與所采集的報文的IP地址進行處理，得到報文數據值與IP地址的比值關系，如圖6所示。

    從圖4、圖5和圖6中，可以看出工業(yè)控制系統(tǒng)網絡的流量數據基本是平穩(wěn)的，這與傳統(tǒng)的IT互聯(lián)網的網絡流量忽高忽低不同；同時，在正常的網絡運行中，每個IP地址所對應的報文數基本也是恒定的。這些不同于傳統(tǒng)互聯(lián)網的網絡特性，為本文提出的算法提供了很好的適用性和檢測的準確性。

4.2 算法實驗

    在仿真測試平臺中對所提出的DDoS的檢測算法進行實際的編程測試，得到圖7所示的實際攻擊檢測圖。

    在建立的仿真測試平臺中進行算法的測試，可以看出在系統(tǒng)平臺發(fā)生DDoS攻擊時，系統(tǒng)的瞬時流量急劇增加，同時數據包量與IP地址的比值也發(fā)生了顯著的變化。實驗結果表明，在特定的控制系統(tǒng)網絡中，本文提出的算法可以有效檢測出DDoS的攻擊。

5 結語

    隨著計算機和網絡技術的發(fā)展，工業(yè)控制系統(tǒng)產品越來越多采用通用協(xié)議、通用硬件和通用軟件，并以各種方式與互聯(lián)網等公共網絡連接，以DDoS為代表的傳統(tǒng)網絡攻擊方式也正在向工業(yè)控制系統(tǒng)擴散。由于工業(yè)控制系統(tǒng)高實時性、弱防護、計算能力有限等特點，傳統(tǒng)信息系統(tǒng)中的入侵檢測方法不適合直接用于工業(yè)控制系統(tǒng)。本文根據工業(yè)控制網絡干擾小、數據變化不大等特點，設計出適用于工業(yè)系統(tǒng)的入侵檢測方法。實驗證明，提出的基于擴展Kalman濾波和控制系統(tǒng)的模型參數識別算法可以較好地完成工業(yè)控制系統(tǒng)DDoS的攻擊檢測。

參考文獻

[1] 周雪．2013工業(yè)控制系統(tǒng)迎來“大考”[J].信息安全與通信保密，2013(9)：10-21．

[2] 孫知信，姜舉良，焦琳.DDoS攻擊檢測和防御模型[J].軟件學報，2007，18(9)：2245-2261．

[3] XIA Z，LU S，LI J.DDoS flood attack detection based on fractal parameters[C].Processing of the 8th International Conference on Wireless Communications Networking and Mobile.Shanghai：IEEE，2012：1-5.

[4] LAKHINA A，CROVELLA M，DIOT C.Structural analysis of network traffic flow[C].Processing of the SIGMETRICS/Performance.New York：ACM，2004：61-72.

[5] ZHOU W，WEI J，SHENG W，et al.Detection and defense of application-layer DDoS attacks in backbone web traffic[J].Future Generation Computer Systems，2014(38)：36-46.

[6] LEE S，KIM D，LEE J，et al.Detection of DDoS attacks using optimized traffic matrix[J].Computers and Mathematics with Applications，2012(63)：501-510.

[7] LAKHINA A，CROVELLA M，DIOT C.Diagnosing network-wide traffic anomalies[C].Processing of the SIGMETRICS’04.Portland：ACM，2004：219-230.

[8] PENG T，LECKIE C，RRAMAOHANARAO K.Protection from distributed denial of service attacks using history-based IP filtering[C].Anchorage：IEEE Computer Science，2003：482-486.

[9] PU S.Choosing parameters for detecting DDoS attack[C].Chengdu：IEEE Computer Society，2012：239-242.

[10] 吳志軍，岳猛.基于卡爾曼濾波的LDDoS攻擊監(jiān)測方法[J].電子學報，2011(22)：1590-1594．

[11] 美國國家標準和技術研究院.NIST-SP800-82，《工業(yè)控制系統(tǒng)(ICS)安全指南》[S].北京：國家標準出版社，2012：15-27.