10.19557/j.cnki.1001-9944.2022.09.022
基于机器学习的电力网络安全检测技术研究
随着电力网络业务需求的快速变化,网络分区调整需求迫切,对网络安全威胁的分析面临巨大挑战.目前,机器学习技术大多是针对已知攻击的检测,对于未知攻击检测的技术较少.该文针对电力网络分区业务的特点,以流量统计分析为基础,构建了内部网络指令的全面检测体系.基于SVC支持向量机、超球体SVM及无监督聚类技术建立预测模型,进行异常指令、已知指令及未知指令的全面安全检测,并运用随机森林算法选择与优化网络特征,提高网络指令检测的精度和效率.仿真及实验结果表明,该技术方法对样本模型具有很好的判别能力,为电力网络的安全评估提供了有效的检测手段.
电力网络、机器学习、异常检测、流量分析、随机森林
37
TP393.08;TN915.08(计算技术、计算机技术)
国家电网有限公司总部科技项目5700-202058191A-0-0-00
2022-09-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
104-108