基于机器学习的电力互联网攻击信息识别方法研究

发布时间：2023-02-27 21:55

　　为解决传统攻击信息识别方法存在识别误差大的问题,提出基于机器学习的电力互联网攻击信息识别方法。依据互联网攻击信息,构建互联网攻击信息模型,分析基于机器学习的电力互联网攻击信息识别原理,结合哈希定值保障相同攻击信息会分配到同一线程之中,避免噪声产生的偏差,实现电力互联网攻击信息的实时无损处理。构建脆弱性邻接矩阵,并对脆弱性进行定量评估,完成电力互联网攻击信息优化识别方案设计。实验结果表明,该方法识别精度最高可达到98%,能够有效降低电力互联网网络攻击风险,保障网络安全稳定运行。

【文章页数】：5 页

【文章目录】：
1 攻击信息识别原理
2 攻击信息实时无损处理
3 攻击信息优化识别
    3.1 组建脆弱性邻接矩阵
    3.2 攻击信息优化识别方案设计
4 实验验证
    4.1 实验环境
    4.2 实验参数设置
    4.3 实验结果与分析
5 结束语



本文编号：3751510