太阳城集团

  • / 10
  • 下载费用:30 金币  

一种基于免疫学习的工业控制系统功能安全验证方法.pdf

摘要
申请专利号:

太阳城集团CN201611169479.7

申请日:

2016.12.16

公开号:

CN106778210A

公开日:

2017.05.31

当前法律状态:

实审

有效性:

审中

法律详情: 实质审查的生效IPC(主分类):G06F 21/44申请日:20161216|||公开
IPC分类号: G06F21/44(2013.01)I; G06F21/57(2013.01)I 主分类号: G06F21/44
申请人: 成都巧班科技有限公司
发明人: 刘单丹; 赵勇
地址: 610000 四川省成都市高新区(西区)西芯大道4号
优先权:
专利代理机构: 成都行之专利代理事务所(普通合伙) 51220 代理人: 田甜
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201611169479.7

授权太阳城集团号:

|||

法律状态太阳城集团日:

2017.06.23|||2017.05.31

法律状态类型:

太阳城集团实质审查的生效|||公开

摘要

太阳城集团本发明公开了一种基于免疫学习的工业控制系统功能安全验证方法,包括以下步骤:A、获得工业控制的行为参量数据,包括采用离线在环测试工业控制组件的方式;B、根据行为参量数据,塑造多尺度下工业控制的安全基准模式库;C、通过安全基准模式库辨识异常控制行为;D、基于异常控制行为构筑异常行为模式数据库;其不依赖于正常解析规律和异常黑色特征等先验太阳城集团,在不掌握具体缺陷成因、特征及其利用细节的前提下,从行为表现层面精准锁定失效和隐患,显著降低功能安全风险。

权利要求书

1.一种基于免疫学习的工业控制系统功能安全验证方法,其特征在于,包括以下步骤:
A、采用离线在环测试工业控制组件的方式获得工业控制的行为参量数据;
B、根据行为参量数据,塑造多尺度下工业控制的安全基准模式库;
C、通过安全基准模式库辨识异常控制行为;
D、基于异常控制行为构筑异常行为模式数据库。
2.根据权利要求1所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于,步骤B具体为:
B1、根据行为参量数据,采用基于贝叶斯网络构建与概率推理的方法重构数据分布痕
迹;
B2、结合各项工控工业过程实例内置的实际工控对象状态,以主元分析方法把过程变
迁实例转化成行为功能模型;结合各项工控作业过程实例内置的实际工控作业指令,以主
元分析方法等把本体属性实例转化成处理服务模型;
B3、依据行为功能模型和处理服务模型,用图形符号表达工控访问与作业过程中的信
息流动形态,形成安全基准模式库。
3.根据权利要求2所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤B1具体为:
B1-1、在行为参量数据上根据各变量对其他变量的相关性影响程度排序,对其他变量
影响最大的排在第1位,最先进入建网步骤,在建网阶段每个变量都迭代地从已进入贝叶斯
网络的变量中查找可增加当前得分的节点加入父节点集合,直至全部得分不再增加;
B1-2、针对每条不完整的行为参量数据进行基于贝叶斯网络的概率推理,找出所有候
选值及其相对概率,以概率最大的候选值作为空缺数据填充。
4.根据权利要求2所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤B2中基于主元分析方法构建行为功能模型具体方法为:
B2-1-1、将正常工况下的工业控制对象状态表现数据集变换为均值为0,方差为1的标
准数据集;
B2-1-2、通过上述标准数据集建立工控访问过程主元模型,提取主元;
B2-1-3、计算标准数据集工控访问过程主元模型的统计量及相应的控制限。
5.根据权利要求2所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤B2中基于主元分析方法构建处理服务模型具体方法为:
B2-2-1、将正常工况下的工业控制组件行为指令数据集变换为均值为0,方差为1的标
准数据集;
B2-2-2、通过上述标准数据集建立工控作业过程主元模型,提取主元;
B2-2-3、计算标准数据集工控作业过程主元模型的统计量及相应的控制限。
6.根据权利要求2所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤C中的辨识方法具体为:
C-1、以安全基准模式库推动各尺度下控制功能的标准符合性认定,通过主元分析方法
从表现层面辨识异常行为倾向是否会发生;
C-2、针对异常控制行为,若可判定其缺陷利用簇类归属,则锁定此病态行为;若无法判
定,则转入步骤D。
7.根据权利要求6所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:在步骤C-1中从表现层面辨识异常行为倾向的方法具体为:
C-1-1、在线获取增量化的状态表现行为参量数据,并进行标准化;
C-1-2、对标准数据集分别计算统计量Hotelling's T2和平方预测误差SPE,监控其值是
否超过正常状态的控制限,若没有超限,重复步骤C-1-1,若超限,进入步骤C-1-3;
C-1-3、计算每个变量对Hotelling's T2统计量和平方预测误差SPE统计量的贡献率,贡
献率最大的变量就是可能引起故障的变量。
8.根据权利要求1所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤D具体为:
D-1、利用计算机技术搭建支持网络与系统高仿真复现、用户行为复制、资源自动配置
与释放、环境安全隔离与受控交换的工控余度蜜网,诱捕病态行为;
D-2、在明确缺陷利用机理的前提下,采用特性关系下粗糙集构造的决策树,挖掘先验
黑色特征,构筑异常行为模式数据库。
9.根据权利要求8所述的一种基于免疫学习的工业控制系统功能安全验证方法,其特
征在于:步骤D-2构筑异常行为模式数据库的方法具体为:
D-2-1、调用基于峰值法的云变换算法来离散化行为参量数据中的所有连续型属性,得
到新的行为参量数据集;
D-2-2、对于新的行为参量数据集,计算每一个条件属性相对于决策属性每个划分集合
的上下近似度和每一个条件属性的加权平均粗糙度;
D-2-3、选择特性关系下加权平均粗糙度最小的属性B作为当前的分裂节点,以B为根构
造决策树,即对B的每个取值,都可以得到一个样本分枝Q;
D-2-4、对于每个样本分支Q,如果他没有达到叶节点,则继续重复步骤D-2-2。

说明书

一种基于免疫学习的工业控制系统功能安全验证方法

技术领域

本发明涉及工业控制系统功能安全保障领域,具体涉及一种基于免疫学习的工业
控制系统功能安全验证方法。

背景技术

工业控制系统是国家关键基础设施的重要组成部分,关系到国家的战略安全。在
工业的转型升级正成为全球经济发展新一轮竞争焦点的背景下,美国的“制造业回归”、德
国的“工业4.0”,以及中国的“中国制造2025”战略,都异曲同工地表达了同样的内容:用物
联感知、云计算、大数据、工业互联等技术引领工业生产方式的变革,拉动工业经济的创新
发展。至此,控制系统与太阳城集团技术深度融合的帷幕已经拉开,以电力、能源、交通等工业过程
的监测与控制为核心的工业控制系统也正经历着一场前所未有的转型变革,智能化、网络
化、服务化、集成化成为不可逆转的潮流趋势,其演进变革体现为以下三个方面的特征:一
是专用性向通用性演进。工控系统伴随着IT技术的发展而发展,且大量采用IT通用软硬件,
如PC、操作系统、数据库系统、以太网、TCP/IP协议等;二是封闭性向开发性演进。互联网、物
联网技术的发展,工业化与太阳城集团化的深度融合,使工控系统不再是一个独立的系统。三是硬
件型向软件型演进。工控系统由机械化、电气化、电子化朝着软件智能化的方向不断演进。
即工控系统不断的由硬到软在演进。

工业控制系统功能安全验证的技术路径选择:

“力”不从心。产品原理封闭、代码文档隐私、开发团队缺位、三方软件依赖是现代
工业控制领域的共性问题,由此导致现有控制系统及其装备质量安全保障技术只能应对自
有品牌的已知故障与风险。跨行业、跨装备机理性解析的方式难以有效获得通用电气、西门
子、施耐德等工控市场主流公司的支持,更谈不上收集控制数据开展基于先验太阳城集团的创新
型主动防御。典型代表包括通用电气的Predix平台和西门子的Sinalytics平台等。

“防”不胜防。目前,工业系统部署形成的以工业级防火墙、防病毒、防篡改、防拒绝
和入侵防御为核心的安全体系,是以“防”为主的、被动式的安全解决思路。然而,“防”不胜
防,以“非法”、“异常”、“恶意”等黑色特征为检测目的安全监控根本无法应对主动化、动态
式、多变性的网络空间攻击。典型代表包括启明星辰工控漏洞扫描系统和卓越信通工控入
侵防御系统等。

“名”不符实。对于工控PC、HMI、操作员与工程师站、以及WEB服务器和数据库服务
器等进程服务的白名单化,工业系统访问控制列表和用户资产的白名单化,只是在名义上
对其身份资格予以了认证鉴别,而在实际的工业过程中,未能对其行为功能进行验证与稽
核。“名”不符实的风险隐患,使得传统的工业系统安全保障形同虚设。典型代表包括海天炜
业工业级防火墙和三零卫士工控安全监控系统等。

发明内容

本发明为了解决上述技术问题提供一种基于免疫学习的工业控制系统功能安全
验证方法,其不依赖于正常解析规律和异常黑色特征等先验太阳城集团,在不掌握具体缺陷成因、
特征及其利用细节的前提下,从行为表现层面精准锁定失效和隐患,显著降低功能安全风
险。

本发明通过下述技术方案实现:

一种基于免疫学习的工业控制系统功能安全验证方法,包括以下步骤:

A、采用离线在环测试工业控制组件的方式获得工业控制的行为参量数据;

B、根据行为参量数据,塑造多尺度下工业控制的安全基准模式库;

C、通过安全基准模式库辨识异常控制行为;

D、基于异常控制行为构筑异常行为模式数据库。

本方法通过工业控制组件离线测试的行为大数据驱动塑造安全基准模式库,实现
主动防御,以缺陷诱发的异常行为实例集学习构筑异常行为模式数据库,产生进化选择似
的缺陷免疫抗体库,通过安全基准模式库和异常行为模式数据库的双因子联合诊断,推动
各尺度下控制功能的标准符合性认定,提高工业控制系统的安全性。采用上述方法,基于大
量的离线行为参量数据直接构筑安全基准模式库,不依赖于正常解析规律和异常黑色特征
等先验太阳城集团,在不掌握具体缺陷成因、特征及其利用细节的前提下,构筑多尺度下工业控制
的安全基准模式库,从行为表现层面精准锁定失效和隐患,显著降低功能安全风险。

步骤B具体为:

B1、根据行为参量数据,采用基于贝叶斯网络构建与概率推理的方法重构数据分
布痕迹;

B2、结合各项工控工业过程实例内置的实际工控对象状态,以主元分析方法把过
程变迁实例转化成行为功能模型;结合各项工控作业过程实例内置的实际工控作业指令,
以主元分析方法等把本体属性实例转化成处理服务模型;

B3、依据行为功能模型和处理服务模型,用图形符号表达工控访问与作业过程中
的太阳城集团流动形态,形成安全基准模式库。

进一步的,步骤B1具体为:

B1-1、在行为参量数据上根据各变量对其他变量的相关性影响程度排序,对其他
变量影响最大的排在第1位,最先进入建网步骤,在建网阶段每个变量都迭代地从已进入贝
叶斯网络的变量中查找可增加当前得分的节点加入父节点集合,直至全部得分不再增加;

B1-2、针对每条不完整的行为参量数据进行基于贝叶斯网络的概率推理,找出所
有候选值及其相对概率,以概率最大的候选值作为空缺数据填充。

进一步的,步骤B2中基于主元分析方法构建行为功能模型具体方法为:

B2-1-1、将正常工况下的工业控制对象状态表现数据集变换为均值为0,方差为1
的标准数据集;

B2-1-2、通过上述标准数据集建立工控访问过程主元模型,提取主元;

B2-1-3、计算标准数据集工控访问过程主元模型的统计量及相应的控制限。

进一步的,步骤B2中基于主元分析方法构建处理服务模型具体方法为:

B2-2-1、将正常工况下的工业控制组件行为指令数据集变换为均值为0,方差为1
的标准数据集;

B2-2-2、通过上述标准数据集建立工控作业过程主元模型,提取主元;

进一步的,步骤C中的辨识方法具体为:

C-1、以安全基准模式库推动各尺度下控制功能的标准符合性认定,通过主元分析
方法从表现层面辨识异常行为倾向是否会发生;

C-2、针对异常控制行为,若可判定其缺陷利用簇类归属,则锁定此病态行为;若无
法判定,则转入步骤D。

进一步的,在步骤C-1中从表现层面辨识异常行为倾向的方法具体为:

C-1-1、在线获取增量化的状态表现行为参量数据,并进行标准化;

C-1-2、对标准数据集分别计算统计量Hotelling's T2和平方预测误差SPE,监控
其值是否超过正常状态的控制限,若没有超限,重复步骤C-1-1,若超限,进入步骤C-1-3;

C-1-3、计算每个变量对Hotelling's T2统计量和平方预测误差SPE统计量的贡献
率,贡献率最大的变量就是可能引起故障的变量。

进一步的,步骤D具体为:

D-1、利用计算机技术搭建支持网络与系统高仿真复现、用户行为复制、资源自动
配置与释放、环境安全隔离与受控交换的工控蜜网,诱捕病态行为;

D-2、在明确缺陷利用机理的前提下,采用特性关系下粗糙集构造的决策树,挖掘
先验黑色特征,构筑异常行为模式数据库。

步骤D-2构筑异常行为模式数据库的方法具体为:

D-2-1、调用基于峰值法的云变换算法来离散化行为参量数据中的所有连续型属
性,得到新的行为参量数据集;

D-2-2、对于新的行为参量数据集,计算每一个条件属性相对于决策属性每个划分
集合的上下近似度和每一个条件属性的加权平均粗糙度;

D-2-3、选择特性关系下加权平均粗糙度最小的属性B作为当前的分裂节点,以B为
根构造决策树,即对B的每个取值,都可以得到一个样本分枝Q;

D-2-4、对于每个样本分支Q,如果他没有达到叶节点,则继续重复步骤D-2-2。

本发明与现有技术相比,具有如下的优点和有益效果:

本发明通过工业控制组件离线测试的行为大数据驱动塑造安全基准模式库,实现
主动防御,以缺陷诱发的异常行为实例集学习构筑异常行为模式数据库,产生进化选择似
的缺陷免疫抗体库,通过安全基准模式库和异常行为模式数据库的双因子联合诊断,推动
各尺度下控制功能的标准符合性认定,提高工业控制系统的安全性。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部
分,并不构成对本发明实施例的限定。在附图中:

图1为本发明的方法流程图。

图2是本发明的离线在环测试工业控制组件时的原理框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本
发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作
为对本发明的限定。

实施例1

一种基于免疫学习的工业控制系统功能安全验证方法,包括以下步骤:

A、采用离线在环测试工业控制组件的方式获得工业控制的行为参量数据;

B、根据行为参量数据,塑造多尺度下工业控制的安全基准模式库;

C、在实际工业控制过程中,通过安全基准模式库辨识异常控制行为;

D、基于异常控制行为构筑异常行为模式数据库。

本发明针对现有工业控制系统功能安全验证方法受限于开放机理和已知故障条
件下实施诊断的缺陷,探索不依赖于机理解析模型和先验故障模式的创新型保障机制,发
展基于封闭原理构件和潜隐故障组件建立风险可控式工业控制系统,该系统对风险的可控
具有内生性和获得性。以被控对象的大量的行为参量数据构建工业控制的安全基准模式
库,支持解决功能安全问题;且大量的行为参量数据的生成,以离线在环测试制造为主,并
非依赖于在线状态表现的监测数据。在线监测获得的数据往往无法对应具体的功能行为、
噪声太多;此外,还无法区分是正常行为表现数据还是异常行为表现数据,标记太难。

实施例2

本实施例在实施例1的基础上对各步骤进行具体细化。

在进行步骤A之前,需要对工控系统的作业过程和工控访问过程进行形式化表达:

一是展开访问功能说明:通过明确界定被控对象、工业控制实施前后的初始状态
和终止状态,以及实施期间状态变化的各个关键的中间状态,说明工控访问过程的具体行
为功能;把行为功能作为承载工控访问过程的实体,把被控对象状态作为实体间依循逻辑
流动的太阳城集团。

二是展开作业功能说明:把处理太阳城集团的服务作为承载工控作业过程的实体,把调
度处理服务的功能代理作为行为功能角色,把工控作业指令作为实体间依循逻辑流动的信
息。

三是绘制工控太阳城集团流图:用规范化的图形符号表达工控访问与作业过程中的太阳城集团
流动形态;把访问与作业太阳城集团流图中的每个实体视为一个太阳城集团输入输出单元即IPO单元,详
细说明该单元的输入太阳城集团来源、输入太阳城集团内容、输出太阳城集团流向、输出太阳城集团内容等。

步骤A中,具体的可围绕工业控制组件展开硬件在环仿真驱动测试,离线制造工业
控制的行为参量大数据。

在步骤A中,离线在环测试主要包括:A1、界定工业控制系统中具有共同认可粒度
的、承载同质功能特性的可交付级构件;在工控领域,通常有两类可交付级组件会特别引起
关注,即:计算组件和通信组件;A2、以支持测试工具调用、测试序列生成、测试模型仿真的
测控平台,围绕工业控制组件展开离线式硬件在环测试,制造行为参量大数据。如图2所示,
测控平台包含三个功能部件:主控计算机、总线仪器测控组合、信号调理与转接装置。其中
主控计算机提供测试执行程序的开发与运行环境,并通过控制总线控制测试测量仪器完成
测试执行程序的执行、取回测试数据。总线仪器测控组合中主要包括模块化测试测量仪器、
各类控制开关、通讯总线等。信号调理与转接装置主要包括各类测量与激励控制信号的转
接与适配。

基于步骤A采集的大量工业控制行为实例化的行为参量数据,建模内生性免疫机
制,塑造机理逼近似的安全基准模式库,具体包括以下步骤:

B1、根据行为参量数据,采用基于贝叶斯网络构建与概率推理的方法重构数据分
布痕迹,重构的数据分布痕迹,主要以确保行为实例建模、功能结构建模的有效性为目的,
把必要的工业过程数据完整补齐,以避免测试盲点和测量断点导致的数据残缺与模型偏
倚;

B2、结合各项工控工业过程实例内置的实际工控对象状态,以主元分析方法把过
程变迁实例转化成行为功能模型;结合各项工控作业过程实例内置的实际工控作业指令,
以主元分析方法等把本体属性实例转化成处理服务模型;

B3、依据行为功能模型、处理服务模型和路由导航模型,用图形符号表达工控访问
与作业过程中的太阳城集团流动形态,形成安全基准模式库。

其中,B1具体为:

B1-1、在原始的行为参量数据上根据各变量对其他变量的相关性影响程度排序,
对其他变量影响最大的排在第1位,最先进入建网步骤,这样能使多数变量尽可能多地找到
相关父节点;在建网阶段每个变量都迭代地从已进入贝叶斯网络的变量中查找可增加当前
得分的节点加入父节点集合,直至全部得分不再增加;

B1-2、针对每条不完整的行为参量数据进行基于贝叶斯网络的概率推理,找出所
有候选值及其相对概率,以概率最大的候选值作为空缺数据填充。

B2中构建行为功能模型具体方法为:

B2-1-1、将正常工况下的工业控制对象状态表现数据集变换为均值为0,方差为1
的标准数据集;

B2-1-2、通过上述标准数据集建立工控访问过程主元模型,提取主元;

B2-1-3、计算标准数据集工控访问过程主元模型的统计量及相应的控制限。

步骤B2中构建处理服务模型具体方法为:

B2-2-1、将正常工况下的工业控制组件行为指令数据集变换为均值为0,方差为1
的标准数据集;

B2-2-2、通过上述标准数据集建立工控作业过程主元模型,提取主元;

B2-2-3、计算标准数据集工控作业过程主元模型的统计量及相应的控制限。

步骤C在实际工业控制过程中实现,采集在线数据,安置传感测点,现场监测采集
工业控制过程在组件范畴上的表征化行为参量数据。

在线数据采集主要包括:1、选择测点,优化配置传感器,确保对工业控制组件的安
全检测效果最佳、动态性能影响最小;2、建立基于工业实时数据库的控制过程数据集成平
台,充分采集现场操作、作业指令、设备状态等线上太阳城集团,支持面向可编程嵌入式电子设备
的功能模态检测、实时控制与监控软件的逻辑行为捕获,以及工控网络协议的通信传输解
析。工业实时数据库应该符合以下模式:以高精度的太阳城集团分辨率支持品牌各异的设备与软
件,以多协议的采集适配率支持广泛的数据源形态,以超高效的数据压缩率支持行为大数
据的传输与存储性能。

步骤C中的辨识方法具体为:

C-1、以行为功能模型、处理服务模型和路由导航模型共同建立的安全基准模式库
推动各尺度下控制功能的标准符合性认定,通过主元分析方法从表现层面辨识异常行为倾
向是否会发生;

C-2、针对异常控制行为,利用异常行为特征库村储的决策规则判定其缺陷利用簇
类归属,若有明确分类,则锁定此病态行为;若无法判定,则转入步骤D。

从表现层面辨识异常行为倾向的方法具体为:

C-1-1、在线获取增量化的状态表现行为参量数据,并进行标准化;

C-1-2、对标准数据集分别计算统计量Hotelling's T2和平方预测误差SPE,监控
其值是否超过正常状态的控制限,若没有超限,重复步骤C-1-1,若超限,进入步骤C-1-3;

C-1-3、计算每个变量对Hotelling's T2统计量和平方预测误差SPE统计量的贡献
率,贡献率最大的变量就是可能引起故障的变量。

C-2中,利用异常行为特征库村储的决策规则判定其缺陷利用簇类归属的方法具
体为:

C-2-1、调用基于峰值法的云变换算法来离散化行为参量数据中的所有连续型属
性,得到新的数据记录;

C-2-2、调用异常行为特征库存储的基于特性关系下粗糙集构造的决策树对异常
控制行为进行缺陷利用簇类归属的判定。

步骤D基于异常控制行为构筑静动态缺陷的异常行为模式数据库具体为:

D-1、利用计算机技术搭建支持网络与系统高仿真复现、用户行为复制、资源自动
配置与释放、环境安全隔离与受控交换的工控余度蜜网,诱捕病态行为;

D-2、在明确缺陷利用机理的前提下,采用特性关系下粗糙集构造的决策树,挖掘
先验黑色特征,构筑异常行为模式数据库。

将无法判定缺陷利用簇类归属的异常控制行为诱入以工控作业为基因承载、支持
拟态化重构的疏导式工控余度蜜网,对其进行潜在病态倾向研判、先验黑色特征挖掘,构筑
异常行为模式数据库,该异常行为模式数据库具有获得性,可根据先验黑色特征等异常数
据进行更新,预防先验黑色特征的攻击。

步骤D-2构筑异常行为模式数据库的方法具体为:

D-2-1、调用基于峰值法的云变换算法来离散化行为参量数据中的所有连续型属
性,得到新的行为参量数据集;

D-2-2、对于新的行为参量数据集,计算每一个条件属性相对于决策属性每个划分
集合的上下近似度和每一个条件属性的加权平均粗糙度;

D-2-3、选择特性关系下加权平均粗糙度最小的属性B作为当前的分裂节点,以B为
根构造决策树,即对B的每个取值,都可以得到一个样本分枝Q,Q是行为参量数据集中满足B
的属性值为v的子样本;

D-2-4、对于每个样本分支Q,如果他没有达到叶节点,则继续重复步骤D-2-2。

以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步
详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明
的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含
在本发明的保护范围之内。

关 键 词:
一种 基于 免疫 学习 工业 控制系统 功能 安全 验证 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:一种基于免疫学习的工业控制系统功能安全验证方法.pdf
链接地址:http://zh228.com/p-6019814.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');