基于压缩感知的智能电网入侵检测方法研究

发布时间：2021-06-11 06:11

　　通信网络的安全性是智能电网稳定运行的前提和基础。针对现有电力通信网络入侵检测方法存在的检测率、效率低、漏检误检高等不足,提出一种基于压缩感知的检测方法研究。利用压缩感知技术对原始信号进行降维处理,并匹配观测向量矩阵;鉴于原始信号的稀疏性可以得到最优的匹配结果,并通过属性约简去除过多的冗余数据,基于误差二次方对电力数据进行重构、量化与恢复,改善数据度量的质量,保留原始信号中的细节特征,准确识别出恶意数据或代码。仿真结果表明,提出方法在应对DoS和R2L等不同的攻击类型时,都能够获得更高的检测率水平,在检测耗时方面相对于传统方法也具有明显优势。 

【文章来源】：通信技术. 2020,53(03)

【文章页数】：5 页

【部分图文】：

R2L攻击类型的检测效率分布

原始信号稀疏变换的关键是选择合适和稀疏变换基，这是信号降维与矩阵匹配的关键。研究入侵信号稀疏表示时，基于投影系数η的衰减速度予以判断和衡量。对大多数经过压缩的基函数而言，都能够找到一个与其匹配的稀疏向量。只有对入侵信号做稀疏变换和降维处理，才能够执行下一步的压缩感知、信号约简与信号重构。数据压缩的目的是去除过多的冗余数据。如果设压缩后的样本向量为X′，则基于压缩感知的数据约简过程如下：在式（4）的条件下，原始信号样本的约简率τ表示为：

在MATLAB的仿真环境下，验证提出智能电网入侵检测方法的适用性和有效性。本文选取的网络入侵类型为Do S和R2L两种类型，每种攻击类型分别进行14次仿真试验，并引入文献[7]和文献[8]的入侵检测方法参与对比。首先验证在相同的仿真条件下3种方法的检测率分布情况，如图2和图3所示。图3 R2L攻击类型的检测率散点分布

【参考文献】：
期刊论文
[1]智能全景系统概念及其在现代电网中的应用体系[J]. 张晓华,刘道伟,李柏青,冯长有.  中国电机工程学报. 2019(10)
[2]配电网功率平衡调节与无功补偿研究及装置[J]. 常栋梁,何立柱,李洋,高飞,陈永耀,张悦.  电力系统及其自动化学报. 2019(04)
[3]基于深度学习的输变电设备异常发热点红外图片目标检测方法[J]. 刘云鹏,裴少通,武建华,纪欣欣,梁利辉.  南方电网技术. 2019(02)
[4]基于循环神经网络的无线网络入侵检测分类模型构建与优化研究[J]. 陈红松,陈京九.  电子与信息学报. 2019(06)
[5]基于粗糙集和SPSO的网络入侵检测方案[J]. 朱亚东.  控制工程. 2018(11)
[6]基于数字化技术的电网资产管理关键技术及应用[J]. 刘文霞,郝永康,张馨月,黄珊,刘宗歧,王志强,范明天.  电网技术. 2018(09)
[7]基于特高压功率与电网频率偏差的省级电网AGC复合闭锁策略研究[J]. 李金龙,袁贵川,周剑,李金晖,郭亮.  电力系统保护与控制. 2017(24)
[8]基于混淆矩阵的多目标优化三支决策模型[J]. 徐健锋,苗夺谦,张远健.  模式识别与人工智能. 2017(09)



本文编号：3223984