基于动态增量聚类分析的电力信息网络攻击模式识别算法

• 作者: 匡晓云 吕华辉 杨航 樊凯 蒋屹新 许爱东 陈霖
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 电力物联网 电力信息网络 动态增量聚类分析 入侵检测 机器学习 网络安全
• 年，卷（期）: 2020,（8）
• 页码范围: 25-32
• 页数: 8页
• 分类号: TM73
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2020.08.004

摘要

随着数字电网建设的逐步开展,物联网与传统电网相结合形成的电力物联网正成为关键一环.然而,电力物联网所面临的网络安全威胁形势将更加复杂,主要表现在两个方面:一方面是物联网终端设备本身的安全缺陷所引入的不可控风险;另一方面是承载终端设备控制信息流与数据流的电力信息网络遭受入侵的风险.而其中关键的技术则是对攻击模式的准确识别,从而有利于安全运维队伍进一步分析敌人的攻击手段、攻击路径和攻击习惯,为下一步的攻击防御做好准备.本文通过改进机器学习中的聚类分析算法,建立了一种基于动态增量聚类分析的网络攻击模式识别算法模型,该模型具有大数据场景下的聚类分析能力,并能够对孤立数据进行清除、对聚类类别进行控制和对聚类后的模式数据进行后处理,进一步提升攻击模式识别的准确率.此外,本文还综合运用了开源网络入侵检测数据集对算法模型进行分析验证,对其正确性与有效性进行评估.最后,还将算法模型进行实际应用,取得了一定的实际效果.