基于Spark框架和PSO优化算法的电力通信网络安全态势预测

摘要：

随着电力通信网络规模的不断扩大,电力通信网络不间断地产生海量通信数据.同时,对通信网络的攻击手段也在不断进化,给电力通信网络的安全造成极大威胁.针对以上问题,结合Spark大数据计算框架和PSO优化神经网络算法的优点,提出基于Spark内存计算框架的并行PSO优化神经网络算法对电力通信网络的安全态势进行预测.本研究首先引入Spark计算框架,Spark框架具有内存计算以及准实时处理的特点,符合电力通信大数据处理的要求.然后提出PSO优化算法对神经网络的权值进行修正,以增加神经网络的学习效率和准确性.之后结合RDD的并行特点,提出了一种并行PSO优化神经网络算法.最后通过实验比较可以看出,基于Spark框架的PSO优化神经网络算法的准确度高,且相较于传统基于Hadoop的预测方法在处理速度上有显著提高.

关键词：Spark计算框架、粒子群算法、并行PSO优化神经网络、电力通信网络、安全态势预测

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国网科技部项目SGTYHT/14-JS-188

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：366-371