集成学习在电网假数据入侵检测中的应用

• 作者: 戚元星 崔双喜
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: SCADA系统 集成学习 贝叶斯调参 入侵检测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 105-112
• 页数: 8页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2022.01.015

摘要

人工智能和机器学习的发展为入侵电网数据采集与监视控制(supervisory control and data ac-quisition,SCADA)系统的虚假数据检测,提供了新的高效解决方案.目前,针对运用机器学习中的单分类器对电网中虚假数据的检测,出现的准确率低、误检率高、模型区分能力差等问题,提出了一种基于集成学习的检测方法对电网数据进行二分类,以GBDT(gradient boosting decision tree)、XGBoost、LightGBM、RF-LightGBM和Bagging分类器为基分类器,经过贝叶斯调参后,最后通过投票策略进行集成.集成学习在融合各分类器优点的同时,不仅降低了检测的误检率还提高了检测准确率及模型区分能力的稳定性.经实验对比分析,该算法在数据检测领域具有一定的应用和借鉴价值.