基于深度学习的电力信息网络流量异常检测

• 作者: 杜浩良 孔飘红 金学奇 黄银强
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 卷积神经网络 异常检测 长短期记忆 网络安全 电力系统安全
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19585/j.zjdl.202112016

摘要

随着信息技术的快速发展,通信、计算机和电网构成多功能复杂系统,通信设施的复杂化使智能电网网络安全问题日益严峻.为确保电力信息网络具有更高的安全性能,必须有效识别电力信息网络存在的入侵攻击.对此,提出了一种基于CNN(卷积神经网络)和LSTM(长短期记忆)网络的混合网络的异常检测方法,混合网络通过提取网络流量数据特征以获得较高的检测率,同时为减少模型训练样本中不同攻击类型样本数量不平衡对模型性能的影响,采用类别权重优化方法来提高模型鲁棒性.经实验证明,所提方法能够有效提高识别网络攻击的准确率.