基于GRU-CNN的综合能源网络安全攻击检测方法

• 作者: 吕政权 李朝阳 王海峰 陈怡君 彭道刚
• 来源期刊: 华电技术
• 学科: 工学
• 关键词: 综合能源 攻击检测 网络安全 深度学习 循环神经网络 卷积神经网络 云大物移智链
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电力数据安全
• 页码范围: 9-14
• 页数: 6页
• 分类号: TM711
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1951.2021.02.002

摘要

在电力系统向综合能源转型与网络攻击技术演进的双重影响下,电力信息安全和防护形势日益严峻,网络攻击检测系统有助于发现电力系统薄弱环节.针对传统研究算法改进一味追求更高检测准确率而忽视特征人工提取过程中信息丢失的问题,提出一种基于门控循环神经网络(GRU)和卷积神经网络(CNN)的攻击检测方法.该方法采用GRU提取原始时间序列特征,利用CNN获得多维度特征,然后结合Softmax分类器实现异常流量的映射.采用该检测方法对KDD99数据集和虚假数据注入攻击(FDIAs)2个试验模型进行训练测试,结果表明,相比传统模型,该方法有较好的分类效果和较高的准确率,验证了方法的有效性与实用性.