基于无监督学习的智能电网入侵检测
智能电网通过引入信息和通信技术服务,带来了传统电网的技术演变,与此同时在安全方面也带来了严重的挑战.本文提出了一种智能电网入侵检测系统安全架构和一种基于无监督学习的新型入侵检测系统(intrusion detection system,IDS).我们设计了区域式训练(block-training)架构,不仅可以减轻数据中心的计算压力,还可以对本地流量进行特征训练.我们还提出了一种基于交叉验证的递归特征消除的差分自编码器算法(RFECV-VAE).RFECV-VAE综合了 RFECV和VAE模型,在特征选择过程使用递归特征消除交叉验证法(recursive feature elimination cross-validation,RFECV),异常检测采用差分自编码器(variational autoencoders,VAE),它可以对大规模高维数据进行高精度异常检测.最后,本文选择深度自编码器、深度自编码器高斯混合模型、单类支持向量机、隔离森林、差分自编码器作为对比算法,采用准确率、ROC_AUC、Fl_score和训练时间等指标来进行性能评估.实验结果表明,RFECV-VAE算法结果优于其他比较算法.
智能电网、入侵检测、差分自编码器、无监督学习、机器学习
31
TP393.08;TP181;TN912.34
国家电网有限公司总部科技项目SGZJXT00JSJS2000455
2022-09-20（万方平台首次上网日期，不代表论文的发表时间）
共9页
136-144
