基于区域态势信息的网络攻击后果动态定量评估方法

摘要

本发明公开了一种基于区域态势信息的网络攻击后果动态定量评估方法，获取工业关键基础设施所有站点内部工艺的运行信息并进行筛选，获得由网络攻击导致的异常发生的位置信息，以及物理设备当前的有用的运行状态信息；利用多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；根据由网络攻击导致的站点输出物质流异常信息，以及站点的输入输出物质流计算模型，以及输送网络的拓扑图模型，建立态势预测模型，以预测未来一段时间内整个工业关键基础设施输送网络中物质流的流动状态；获取所有生产站点生产过程异常导致的经营者的利润损失、输送网络异常导致消费者物质需求缺口所造成的损失；实现了对网络攻击后果动态的、定量的评估。

说明书

技术领域

本发明属于工业关键基础设施信息安全技术领域，更具体地，涉及一种基于区域态势信息的网络攻击后果动态定量评估方法。

背景技术

工业关键基础设施为社会和民众提供连续的物质和能量服务，为社会的正常运行提供了坚实的保障；随着信息化进程的快速发展，工业关键基础设施对信息技术的依赖性不断增强；伴随着智能控制设备更多的漏洞被发现、攻击技术的进步，工业关键基础设施面临着严峻的信息安全问题。工业关键基础设施具有复杂网络的拓扑特征以及物质能量的流动特征。针对工业关键基础设施的网络攻击，其最终目标是造成大范围内的物质能量服务的中断，使得消费者无法获得物质能量的服务；网络攻击后果的评估结果可用于判断出工业关键基础设施的脆弱部分，获得系统中各站点的当前以及未来状态，其制定安全决策提供重要依据；

现有对工业关键基础设施的网络攻击后果进行评估的方法，多是针对具体的研究对象故障所进行的静态分析；而工业关键基础的态势是实时变化的，网络攻击行为也是实时变化的，静态分析不能准确评估网络攻击的对工业关键基础设施所造成后果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于区域态势信息的网络攻击后果动态定量评估方法，其目的在于利用态势信息对网络攻击造成的后果进行动态定量评估。

为实现上述目的，按照本发明的一个方面，提供了一种基于区域态势信息的网络攻击后果动态定量评估方法，包括如下步骤：

(1)建立包括多个物质流和信息流耦合结构的站点的多层流模型；利用该多层流模型的特征对站点内部信息进行筛选，获取当前有用的运行状态信息，并判断网络攻击的对象；

(2)根据多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；

(3)根据由网络攻击导致的站点输出物质流异常信息、站点的输入输出物质流计算模型，建立工业关键基础设施拓扑结构的多层图模型；根据多层图模型建立态势预测模型并进行态势预测；

(4)根据态势预测信息计算所有生产站点生产过程异常导致的经营者利润损失、以及由输送网络异常导致的消费者物质需求缺口造成的损失，获取定量评估结果。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(1)包括如下子步骤：

(1.1)建立站点的多层流模型，包括站点与工艺的关系模型、工艺的物质流模型、物质流与功能角色关系模型、物质流功能角色模型、信息流与功能角色关系模型、以及信息流与物质流交互影响模型；

(1.2)根据站点的多层流模型对站点内部信息进行筛选，获取与站点的物质服务输出计算有关的数据；并判断是否发生异常；

各个站点不同位置均布署有不同类型的探针，采集到的数据数量大、种类繁多；结合多层流模型的特征，通过本步骤筛选出与站点的物质服务输出计算有关的数据，可极大减少运算量。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(1.1)包括如下子步骤：

(1.1.1)建立站点与工艺的关系模型：站点i向外界提供的物质服务量数值Serv_i(t)＝Fs_i(prc_i，1(t)，...，prc_i，m(t))；

其中，站点i的系统由m个工艺耦合而成；prc_i，j(t)是指工艺j为站点i提供的物质量，1≤j≤m；Fs_i是指静态函数；

(1.1.2)建立工艺的物质流模型：站点i内部工艺j提供的物质量prc_i，j(t)＝flow_i，j(t)；

其中，flow_i，j(t)是指物质流Mat-flow_i，j的输出物质量；

(1.1.3)建立物质流与功能角色关系模型：物质流Mat-flow_k输出的物质量flow_k(t)＝Fm_k(Par_k，1(t)，...，Par_k，s(t))；

其中，物质流Mat-flow_k由s个功能角色构成，Par_k，o(t)是指物质流Mat-flow_k的功能角色o的参数值；其中1≤o≤s；

(1.1.4)建立物质流功能角色模型Fv_o(par_o，1(t)，...，par_o，q(t))＝0：其中，Fv_o代表静态函数；par_o，q(t)是指功能角色o的第q个参数值；

其中，功能角色是指实现某一功能的单个或多个设备的组合，用三元组<Par，FvDep>表示；Par为该功能角色的运行参数值，静态函数Fv描述该功能角色当前的动作，静态函数Dep描述该功能角色与其它功能角色的依赖关系；某功能角色o共有q个参数值，则Par_o(t)＝{par_o，1(t)，...，par_o，q(t)}；其中一部分参数通过传感器采集获得，另一部分参数则通过静态函数Fv_o计算获得，Fv_o(par_o，1(t)，...，par_o，q(t))＝0；

(1.1.5)建立信息流与功能角色关系模型：

信息流u的输出ctl_u(t)＝Fw_u(Pir_u，s(t)，Pir_u，d，Pir_u，a(t))；

其中，Pir_u，s(t)为信息流u中感知功能角色的参数值，Pir_u，a(t)为执行功能角色的参数值，Pir_u，d(t)为决策功能角色的参数值；Fw代表静态函数；

将工艺看作信息流与物质流的耦合，用三元组〈Irole，Fw，ctl〉表示信息流的属性；Irole为信息流的支撑功能角色的集合，静态函数Fw描述信息流的运行过程，数值集合ctl(t)为该信息流的输出，表示为控制功能角色的控制值；

(1.1.6)建立信息流与物质流交互影响模型：

其中，物质流Mat-flow_k有q个支撑功能角色，函数Fa_u，k代表信息流调控参数ctl_u(t)对物质流可控功能角色的参数Par_k，o(t)的影响；函数Fs_u，k代表物质流功能角色的参数Par_k，o(t)对信息流感知功能角色参数Pir_u，s(t)的影响。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(1.2)包括如下子步骤：

(1.2.1)列举站点的多层流模型中所有功能角色，将站点内部信息集合中与上述功能角色无关的信息全部丢弃，获取与站点的物质服务输出计算有关的数据；

(1.2.2)判断异常发生的位置：从上述与站点的物质服务输出计算有关的数据中，

将不符合物质流功能角色o的状态描述函数Fv_o(par_o，1(t)，...par_o，q(t))＝0、与相邻的功能角色p的关联关系函数Dep_o，p(Paro(t)，Par_p(t))＝0的功能角色参数值提取出来，获得发生异常的物质流功能角色的信息；

将上述与站点的物质服务输出计算有关的数据中不符合信息流与物质流交互影响模型

以及不符合信息流与功能角色关系模型ctl_u＝Fw_u(Pir_u，s，Pir_u，d，Pir_u，a)的信息流功能角色参数值提取出来，获得发生异常的信息流功能角色的信息；

根据发生异常的物质功能角色的信息和发生异常的信息流功能角色的信息确定受到网络攻击的站点。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(2)包括如下子步骤：

(2.1)根据多层流模型获取网络攻击对工艺的输出的影响的定量评估值；

具体地，当网络攻击导致信息流Inf-flow_i中某个功能角色Irole_i，k，j异常，使其属性中的参数值错误；根据信息流与功能角色关系模型获取信息流Inf-flow_i输出的异常控制值ctl_i(t)；

并根据信息流调控参数对物质流可控功能角色的参数的影响，获得物质流Mat-flow_i中各功能角色的参数值Par_i，j(t)；

并根据物质流与功能角色关系模型以及站点与工艺的关系模型获得该工艺的输出物质量prc_i(t)，获得网络攻击对工艺Process_i的输出的影响的定量评估值prc_i(t)；

(2.2)根据上述定量评估值prc_i(t)、以及站点的物质输出与工艺关系模型，获取当站点i受到网络攻击时，站点i的物质的输出量Serv_i(t)；

(2.3)根据各站点i的物质的输出量Serv_i(t)计算获取工业关键基础设施中所有站点的物质输出量；

工业关键基础设施由多个站点构成，在该步骤中采用多层流模型获取工业关键基础设施所有的站点的输出Seru_i(t)，1≤i≤n；包括非异常站点和异常站点。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(3)包括如下子步骤：

(3.1)建立工业关键基础设施的拓扑结构的多层图模型，将处于同一时刻的传播过程放在同一层次中；

(3.2)根据网络攻击导致站点输出异常在多层图模型中的扩散过程建立态势预测模型并进行态势预测。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(3.1)的多层图建模方法，包括如下子步骤：

(3.1.1)建立工业关键基础设施输送网络的拓扑结构图；

该拓扑结构图为一个有向无环的复杂网络<G，E>；G表示站点集合，E表示站点间的管道连线集合；将站点集合G分为生产站点集合G_g、传输站点集合G_t和消费站点集合G_c；

(3.1.2)以生产站点为根节点，以传输站点为中间节点，以消费站点为叶节点建立树，获得从生产站点到消费站点的路径集合；

以生产站点集合G_g中生产站点为根节点，以传输站点为中间节点，以消费站点为叶节点建立树；由l个生产站点建成l个树，这些树中相邻两个节点的影响过程耗费的时间完全一样；

(3.1.3)按照路径分段的规则将多个树合并形成多层图，使得无环复杂网络<G，E>中的边E分成多个不同的集合、同一集合的边处于物质流动过程的同一时间段，将同一时间段的边归于多层图中的同一层次，由此将无环复杂网络<G，E>建模成多层图。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(3.2)包括如下子步骤：

(3.2.1)根据站点输出物质异常在工业关键基础设施网络中的传播过程以及多层流模型计算单步过程各站点的物质输出量；

对于异常的站点G_i，由步骤2计算出其物质输出为Serv_i(t)，由步骤3.1获得G_i关联的边其中1≤s≤k，即该边属于多层图中第s层；按照E_s→E_s+1→...→E_k的顺序逐步分析站点异常传播过程，根据多层流模型计算单步过程各站点的物质输出量；

(3.2.2)根据多层图模型计算在网络攻击发生后的各个时段内工业关键基础设施各站点的物质输出状态；

对于发生在t时刻的网络攻击，根据多层图模型各个站点在未来各个时段内物质输出为Serv_i(t-Δt)，Serv_i(t)，Serv_i(t+Δt)，…..，1≥i≤n；

(3.2.3)根据多层流模型获取系统稳定后各站点的输出：

工业关键基础设施遭受网络攻击后，其内部各个站点的物质输出量会产生波动，但最终系统会趋于稳定状态；

该状态下：Serv_i(t+h×Δt)＝Serv_i(t+(h+1)×Δt)。

优选地，上述基于区域态势信息的网络攻击后果评估的方法，其步骤(4)包括如下子步骤：

(4.1)获取工业关键基础设施持有人的利润损失

{Serv_g，1(t-Δt)，...，Serv_g，l(t-Δt)}是指具有l个生产站点的工业关键基础设施在未受到网络攻击时所有生产站点的物质输出；

{Serv_g，1(t+h×Δt)，...Serv_g，l(t+h×Δt)}是指该工业关键系统在受到网络攻击后、系统稳定后所有生产站点的物质输出；t_n时刻是指受损的站点被全部修复的时刻，price是指站点所生产的物质的单价；

(4.2)计算工业关键基础设施覆盖区域内消费者的生产生活损失

其中，{Serv_c，1(t)，...，Serv_c，m(t)}是指消费站点集合G_c接收物质量；b是指工业关键基础设施的消费站点数量；{p_i，1，p_i，2，p_i，3}是指消费站点G_c，i接收的物质服务Serv_c，i(t)中提供给工业、商业、民用的比重；其中p_i，1+p_i，2+p_i，3＝1；{value_i，1，value_i，2，value_i，3是指消费站点G_c，i附近的工业、商业、民用部分单位物质服务量能创造的社会经济价值；t_n时刻是指受损的站点被全部修复的时刻；

受到网络攻击后，各个消费站点接收的物质量由{Serv_c，1(t-Δt)，...，Serv_c，b(t-Δt)}变为{Serv_c，1(t+h×Δt)，...，Serv_c，b(t+h×Δt)}；

(4.3)根据工业关键基础设施持有人和消费者的损失值获得由网络攻击导致的所有损失值Loss＝Loss₁+Loss₂。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明提供的基于区域态势信息的网络攻击后果动态定量评估方法，提出了用于获取和理解系统态势的多层流模型；通过该模型能建立系统与多种流的耦合模型，而且定量地描述信息流、物质流的动态流动过程，实现对工业基础设施网络攻击的定量的、准确的态势获取与态势理解；

(2)本发明提供的基于区域态势信息的网络攻击后果动态定量评估方法，结合工业关键基础设施输送网络的拓扑结构的特征、分析物质流的流动过程，提出一种用于分析站点异常在整个输送网络中扩散过程的模型—多层图模型；通过多层图模型分析网络攻击对整个输送网络的产生影响，获得输送网络中所有站点的物质服务在未来某段时间内的分布信息，实现动态地态势预测；

(3)本发明提供的基于区域态势信息的网络攻击后果动态定量评估方法，实现了对网络攻击导致的各种类型损失后果的统一量化方法，不仅能对生产站点产能降低而造成的运营者的销售利润损失进行定量评估，而且能对工业关键基础设施输送网络所覆盖区域内的工业、商为、民用行业由于物质服务需求无法满足所造成的生产生活损失进行定量评估，提高了评估准确度。

附图说明

图1是实施例中工业关键基础设施的拓扑结构示意图；

图2是实施例中工业关键基础设施站点G1的系统结构示意图；

图3是实施例提供的网络攻击后果的动态定量评估方法的流程示意图；

图4是实施例中工艺的信息流物质流耦合结构示意图；

图5是实施例中工业关键基础设施拓扑网络多层图模型。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明所提供的基于区域态势信息的网络攻击后果动态定量评估方法，包括态势获取、态势理解、态势预测以及损失评估；以下结合图1所示的工业关键基础设施来具体阐述本发明提供的这种网络攻击后果动态定量评估方法。

图1所示的工业关键基础设施，通过大量的站点与管道构成一个输送网络；其中站点包括生产站点、传输站点、消费站点；站点之间通过管道连接，将该工业关键基础设施网络定义为有向无环的复杂网络<G，E>，其中G表示站点集合，E表示站点间的管道连线集合；将站点集合G分类，生产站点集合G_g＝{G1，G6}，传输站点集合G_t＝{G2，G5，G7}，消费站点集合G_c＝＝{G3，G4，G8，G9}；任意一个站点系统由多个工艺过程组合而成。

其中，站点G1的结构如图2所示，包括两个工艺过程：工艺1和工艺2；这两个工艺过程是串联关系，工艺1的输出物质为工艺2的输入原材料。

基于上述典型的工业关键基础设施，实施例提供的基于区域态势信息的网络攻击后果动态定量评估方法，其流程如图3所示，具体如下：

态势获取：获取工业关键基础设施所有站点内部工艺的运行信息，包括控制过程以及物理过程的运行信息；对上述运行信息进行筛选，获得由网络攻击导致控制设备的异常发生的位置信息，以及物理设备当前的有用的运行状态信息；

态势理解：利用多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；

态势预测：根据由网络攻击导致的站点输出物质流异常信息，以及站点的输入输出物质流计算模型，以及输送网络的拓扑图模型，建立态势预测模型，以预测未来一段时间内整个工业关键基础设施输送网络中物质流的流动状态；

损失评估：获取所有生产站点生产过程异常导致的经营者的利润损失，以及输送网络异常导致消费者物质需求缺口所造成的损失。

以下以对图1所示的工业关键基础设施的生产站点G1的工艺1的网络攻击为例，具体阐述上述网络攻击后果的动态定量评估方法：具体如下：

步骤1，态势获取：获取受到攻击的站点G1以及未受到攻击的其它站点的态势，包括如下步骤：

步骤1.1：建立站点G1的多层流模型，包括如下子步骤：

(1.1.1)对工艺1进行结构建模：

工艺1的多层流结构如图4所示，物理设备组合包括原材料输入设备、原材料和产品传输设备、原材料加工设备、产品接收设备；分别对应源功能角色sou1、传输功能角色tra1和tra2、反应功能角色con1、接收功能角色sin1；传感器、执行器、控制器分别对应感知功能角色sen1、执行功能角色act1、决策功能角色dec1；

进行符号定义，本实施例中的符号定义具体如表5.1所示：

表5.1符号定义

根据符号定义建立工艺1的多层流模型，如下式(5.1)所示：

(1.1.2)采用步骤(1.1.1)的方法建立G1中工艺2的多层流模型；两个工艺的结构一致，工艺1的输出物质f_process1(t)为工艺2的输入物质量，工艺2中的传输功能tra1的输入物质值为工艺1的输出物质f_process1(t)；站点G1的输出物质Sev_G1(t)为Sev₁(t)＝f_process2(t)。

步骤1.2：筛选有用的信息，并判断网络攻击的对象：表5.1罗列了工艺1中所有功能角色属性中的参数类型，表现为各个功能角色经过的物质流和信息流，以及角色本身与流有关的值；

通过站点布置的探针获取不同类型的数据信息，剔除其中与表5.1中参数类型不匹配的数据信息；对于图4所示的多层流结构，当攻击者对决策dec1的输入数据i_dec1，p(t)进行篡改，根据感知sen1与决策dec1的依赖关系i_dec1，p(t)＝i_sen1，o(t)判断决策dec1可能受到的攻击；当攻击者对感知sen1采集到的物质流的数据进行篡改，譬如更改反应con1的参数，根据反应con1与传输tra1、tra2的依赖关系判断攻击者对感知sen1进行了攻击。

步骤2，态势理解：获取网络攻击对站点G1的输出物质量Sev1(t)的影响，以及其它未受到攻击站点的物质量的输出值；站点G1系统包括工艺1和工艺2，工艺1和工艺2的多层流的结构均如图4所示，只在反应设备中的反应过程不一样，表现为两个工艺的反应con1的动作函数不同；步骤2包括如下子步骤：

步骤2.1，获取网络攻击对工艺过程1的输出影响：当执行功能角色sen1遭受网络攻击，攻击者对将其输入数据信息i_sen1，p(t)篡改成i_sen1，p(t)′；

根据式(5.1)所示意的多层流模型的sen1→(sen1-dec1)→dec1→…→sin1的功能角色属性描述获取dec1的接收物质量f_sin1，p(t)为工艺1的输出物质量，等于工艺2的输入原材料的量；对其它信息流功能角色的不同类型攻击，如DOS，中间人、更改控制逻辑攻击，最终结果都是使得被攻击的信息流功能角色的输出参数值发生变化，等价于篡改信息攻击。

步骤2.2，获取站点G1的输出物质量；实施例中，工艺1和工艺2是串联结构；工艺1为工艺2提供原料；工艺2中传输工艺tra1的输入参数f_tra1，p(t)等于工艺1的输出f_process1(t)；

根据其输入参数f_tra1，p(t)与多层流模型，按照式(5.1)中的tra1→(tra-con1)→con1→…→sin1的顺序逐步计算这些功能角色的参数，获得工艺2的输出物质量f_process2(t)，即为站点G1的输出物质量Sev₁(t)。

步骤2.3，根据多层流模型获取未受到网络攻击的站点当前时刻的输出物质量Sev_i(t)，2≤i≤9；

消费站点G_c的输入物质量为相邻的传输站点的输出物质量；在t时刻，生产站点集合G_g的输出物质量为Sev_g(t)＝{Sev₁(t)，Sev₆(t)}；传输站点集合G_t输出物质量为Sev_t(t)＝{Sev₂(t)，Sev₅(t)，Sev₇(t)}；消费站点集合G_c的接收物质量为Sev_c(t)＝{Sev₃(t)，Sev₄(t)，Sev₈(t)，Sev₉(t)}。

步骤3，态势预测：G1受到网络攻击导致其输出的物质量异常，G1为后续的所有传输站点和消费站点提供物质，而由于异常扩散过程存在着时延，态势预测即获得在未来各时间段内所有站点的物质量，包括如下子步骤：

步骤3.1，对图1所示的工业关键基础设施网络建立多层图模型，图1所示的结构为一个有向无环的图<G，E>，其中站点集合G＝{G_g，G_t，G_c}，生产站点集合G_g＝{G₁，G₆}，传输站点集合G_t＝{G₂，G₅，G₇}，消费站点集合G_c＝{G₃，G₄，G₈，G₉}，边集合E＝{E_1，2，E_2，3，E_2，4，E_2，5，E_5，7，E_6，7，E_7，8，E_7，9}，物质流G_g通过G_t到达G_c；

分别建立以这两个消费站点为根节点的路径，具体如下：

G₁→G_c＝<{G₁→G₂}，{G₂→G₃，G₂→G₃，G₂→G₅}，{G₅→G₇}，{G₇→G₈，G₇→G₉}〉；G₆→G_c＝<{G₆→G₇}，{G₇→G₈，G₇→G₉}〉；

将上述两条树进行合并；合并的原则在于判断是否有重复的节点，如上面所述的两条树中，站点G7作为G1→G_c和G6→G_c的中间节点，因此，将这部分合并，并接照扩散过程时行分层，获得如图5所示多层图模型；在该图中，处于同一层次站点的所有传播过程处于同一时间段。

步骤3.2，计算站点G1物质输出异常在整个网络中的扩散过程；在t+Δt时刻，计算层次LV₀中的传播过程G1→G2；G1的输出Sev₁(t)作为G2的输入；

G2在该时刻的输出Sev₂(t+Δt)；而Sev₁(t+Δt)＝Sev_i(t)；

在(t+2×Δt)时刻计算层次LV₁中的传播过程G2→G3，G2→G4，G2→G5；由此获得在(t+4×Δt)时刻所有站点的输入输出；

生产站点集合G_g的输出物质量为：

Sev_g(t+4×Δt)＝{Sev₁(t+4×Δt)，Sev₆t)+4×Δt)}；

传输站点集合G_t输出物质量为：

Sev_t(t+4×Δt)＝{Sev₂(t+4×Δt)，Sev₅(t+4×Δt)，Sev₇(t+4×Δt)}；

消费站点集合G_c的接收物质量为：

Sev_c(t+4Δt)＝{Sev₃(t+4Δt)，Sev₄(t+4Δt)，Sev₈(t+4Δt)，Sev₉(t+4Δt)}。

步骤4，损失评估：在未发生网络攻击的(t-Δt)时刻，各站点的输出物质为Sev_i(t-Δt)，1≤i≤9；

在t时刻发生网络攻击，在(t+4×Δt)时刻，系统在网络攻击后趋于稳定；在t_n时刻修复完毕，各站点恢复到攻击发生前的状态；根据以下步骤计算本次网络攻击造成的损失值；

步骤4.1，计算工业关键基础设施持有者的利润损失：对于市场售价为pe的单位物质，G_g＝{G1，G6}的产能损失值Loss₁如下式(5.2)所示：

步骤4.2，计算消费者的生产生活损失；实施例中，消费站点Gi接收的物质服务Serv_i中提供给工业、商业、民用比重为{p_i，1，p_i，2，p_i，3}，p_i，1+p_i，2+p_i，3＝1，且站点Gi周围的工业、商业、民用利用单位物质服务创造的社会价值为{value_i，1，value_i，2，value_i，3}，i＝3，4，8，9；

则消费者的损失值Loss₂如下式(5.3)所示：

本次网络攻击导致的工业关键基础设施的损失值Loss＝Loss₁+Loss₂。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。