辽宁智能电网入侵检测方法的完善及应用研究
发布时间：2021-09-11 10:51
以辽宁省智能电网系统为研究对象,分析其存在的信息安全问题,然后针对性的制定入侵检测系统,并改进算法,主要使用的是R-NNIDS系统与Snort相兼容的规则描述方法,可以对网络中具有攻击性的数据包简化描述,降低数据量。建立SVM模型,基于神经网络对智能电网入侵检测方法改进,并对其进行检测,整体上减少检测系统的误报率和漏报率,并降低数据量,提高工作的便捷性,减少成本,更好的服务于智能电网管理工作的开展。具体研究过程中,拟解决的关键问题:如何进行入侵检测方法的创新,如何进行入侵检测系统设计改进,如何准确识别入侵行为,并增强对新的入侵行为的检测能力。通过实践研究,得出结论如下:整个入侵检测模型设计使用的是SVM,方法为二次分解法、SOM方法和LM方法,并对其进行改进,使用KPCA算法进行神经网络分类器标志设置,为KPCAINN,使用ICA方法的分类器标志设置为ICAINN。检测结果相对较好,具有实用性;R-NNIDS系统设计合理,可以发现一些新的入侵行为。除此以外,辽宁省智能电网面临的风险为计算机系统硬件和通信设施容易受到自然环境、自然灾害及人为的物理破坏,计算机系统的软件和数据容易受到非法窃...
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３．７?Ｒ２Ｌ类型入侵检测精度??Ｆｉｇｕｒｅ?３．７?Ｒ２Ｌ?ｔｙｐｅ?ｉｎｔｒｕｓｉｏｎ?ｄｅｔｅｃｔｉｏ?
节??（１）学习模型??集成学习的主要理念就是对一些繁杂的知识和数据进行优化处理，产生一些有用的、??有价值的数据信息，便于实际的学习和认知。模型为ｙ＝ｆ?（ｘ），接下来，在实际的训练集??之中，找到适应于这一模型的学习器ｈ，在输入ｘ之后，则可以得出ｙ，通过ｙ的结果反??映ｘ的类别和预测值。在整个训练过程之中，Ｔ可以产生ｍ个子训练集Ｔｉ＝?（ｉ＝ｌ，．．．ｍ），??不同子训练集将会对应不同的学习器ｈｉ＝（ｉ＝ｌ，．．．ｍ），并通过一定的规则组成训练集与??学习期之间的集合。示意图如图４．?３所示。??Ｔ??学习?＋?Ｉ?—ｉ??Ｔ１?．．．?Ｔｍ??ｉ?ｉ??ｈｉ?ｈｍ???｜十?１?１十?卞１?????１?Ｉ?Ｔ??（ｘ，?？?）?＾?ｈ＊＝ｆ?（ｈｉ，?．．ｈｍ）???Ｉ???应用?（ｘ，ｙ＊）??图４．３集成学习示意图??Ｆｉｇｕｒｅ?４．３?Ｉｎｔｅｇｒａｔｅｄ?ｌｅａｒｎｉｎｇ?ｓｃｈｅｍａｔｉｃ??（２）算法介绍??２１??
ＮＮ?－??ｘ，’十＋＋卞ｒ＇ｓ?集成系统??９８?－?乂?？七?，？味＇ｘ、ｘ、ＩＮＮ?－??本本?＇本木?＾ｘ－ｘ－ｘ－．：：??９７＇－?－??ｇ?＋??ＩＴ?９５?■?■??ｇ?９５－?ｙ?公玖??９４＾?林？外＋？?．??ｑ＿?七＇＋、、＋?〇＇玖办分分〇??９２?－?■??吁？?＋?＋?＋?＋?—??ｇｉ??Ｉ?Ｉ?ｉ?ｉ?ｉ???０?１０００?２０００?３０００?４０００?５０００?６０００??测试集??图４．５分类正确率ＩＲ对比图??Ｆｉｇｕｒｅ?４．５?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｃｏｒｒｅｃｔ?ｒａｔｅ?ＩＲ?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ??１００?１?１?１?１?－?■■■?－??Ｉ?．．．Ｋ—ＫＰＣＡＩＮＮ??９９?－?－－?＋?－－ＩＣＡＩＮＮ?－??９８?－?乂?＾七命４＂?，？味乂＇ｘ、ｘ、－??本冰?＇本本?＾＂ｋ－－ｘ－－ｋ－．ｋ．．３：??Ｗ?－??ｇ?屮．？＋??＃?９６?－?－??§?９５?■?ｙ乃?总它、?■??Ｉ心一林ｔ？?＇％、?．??屮＋、?攻说??９３－?＇＋＇＋?分？分？）??９２?－?＊??十屮＋?＋?＋?－－??９１??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ???０?１０００?２０００?３０００?４０００?５０００?６０００??测试集??图４．６误警率Ｉｐ对比图??Ｆｉｇｕｒｅ?４．６?Ｆａｌｓｅ?ａｌａｒｍ?ｒａｔｅ?Ｉ，？?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ??２６??
【参考文献】：
期刊论文
[1]面向电力网络的多属性SCADA入侵检测[J]. 蒋晨达,李津. 电力学报. 2018(04)
[2]智能电网入侵检测综述[J]. 蒋南允,程光. 网络空间安全. 2018(01)
[3]云计算环境下的智能电网光通信网络安全的研究[J]. 杜博. 自动化与仪器仪表. 2018(01)
[4]运用PCA改进BP神经网络的用电异常行为检测[J]. 田野,张程,毛昕儒,刘骥. 重庆理工大学学报(自然科学). 2017(08)
[5]智能电网邻域网分级式入侵检测系统研究[J]. 李雅洁,丁一,马文洁,钮丹阳. 软件. 2017(07)
[6]电力信息物理融合系统环境中的网络攻击研究综述[J]. 汤奕,陈倩,李梦雅,王琦,倪明,梁云. 电力系统自动化. 2016(17)
[7]基于图论的矩阵算法在配电网故障定位中的应用[J]. 胡福年,孙守娟. 中国电力. 2016(03)
[8]智能电网中分层网络结构的入侵检测系统研究[J]. 徐静,姚志垒,徐森,李永忠,吴素芹. 郑州轻工业学院学报(自然科学版). 2015(Z2)
[9]智能电网信息安全现状分析及防护建议[J]. 王秀清,王素丽,车方圆,于香英,李旭峰. 信息技术. 2015(09)
[10]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
硕士论文
[1]信息安全知识服务系统研究与实现[D]. 江国林.郑州大学 2017
[2]基于图论分析的智能电网信息攻击入侵检测研究[D]. 李建金.燕山大学 2017
[3]配用电系统高级量测体系与数据应用方法研究[D]. 刘沅昆.华北电力大学 2017
[4]入侵检测技术在微电网监控中的应用研究[D]. 高文鹏.华北电力大学(北京) 2016
[5]智能电网DNP3协议安全机制研究与实现[D]. 闫爽.国防科学技术大学 2016
[6]智能电网高级量测体系入侵检测方法研究[D]. 张超超.华北电力大学(北京) 2016
[7]电力CPS网络攻击模式分析与智能电表入侵检测方法研究[D]. 吴长江.长沙理工大学 2015
[8]智能电网AMI网络安全机制研究[D]. 刘小雪.国防科学技术大学 2014
[9]基于AMI的入侵检测技术研究[D]. 简富俊.华北电力大学 2014
[10]智能电网通信系统的网络安全[D]. 刘力.南昌大学 2012
本文编号：3392866
【文章来源】：辽宁工程技术大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图３．７?Ｒ２Ｌ类型入侵检测精度??Ｆｉｇｕｒｅ?３．７?Ｒ２Ｌ?ｔｙｐｅ?ｉｎｔｒｕｓｉｏｎ?ｄｅｔｅｃｔｉｏ?
节??（１）学习模型??集成学习的主要理念就是对一些繁杂的知识和数据进行优化处理，产生一些有用的、??有价值的数据信息，便于实际的学习和认知。模型为ｙ＝ｆ?（ｘ），接下来，在实际的训练集??之中，找到适应于这一模型的学习器ｈ，在输入ｘ之后，则可以得出ｙ，通过ｙ的结果反??映ｘ的类别和预测值。在整个训练过程之中，Ｔ可以产生ｍ个子训练集Ｔｉ＝?（ｉ＝ｌ，．．．ｍ），??不同子训练集将会对应不同的学习器ｈｉ＝（ｉ＝ｌ，．．．ｍ），并通过一定的规则组成训练集与??学习期之间的集合。示意图如图４．?３所示。??Ｔ??学习?＋?Ｉ?—ｉ??Ｔ１?．．．?Ｔｍ??ｉ?ｉ??ｈｉ?ｈｍ???｜十?１?１十?卞１?????１?Ｉ?Ｔ??（ｘ，?？?）?＾?ｈ＊＝ｆ?（ｈｉ，?．．ｈｍ）???Ｉ???应用?（ｘ，ｙ＊）??图４．３集成学习示意图??Ｆｉｇｕｒｅ?４．３?Ｉｎｔｅｇｒａｔｅｄ?ｌｅａｒｎｉｎｇ?ｓｃｈｅｍａｔｉｃ??（２）算法介绍??２１??
ＮＮ?－??ｘ，’十＋＋卞ｒ＇ｓ?集成系统??９８?－?乂?？七?，？味＇ｘ、ｘ、ＩＮＮ?－??本本?＇本木?＾ｘ－ｘ－ｘ－．：：??９７＇－?－??ｇ?＋??ＩＴ?９５?■?■??ｇ?９５－?ｙ?公玖??９４＾?林？外＋？?．??ｑ＿?七＇＋、、＋?〇＇玖办分分〇??９２?－?■??吁？?＋?＋?＋?＋?—??ｇｉ??Ｉ?Ｉ?ｉ?ｉ?ｉ???０?１０００?２０００?３０００?４０００?５０００?６０００??测试集??图４．５分类正确率ＩＲ对比图??Ｆｉｇｕｒｅ?４．５?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｃｏｒｒｅｃｔ?ｒａｔｅ?ＩＲ?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ??１００?１?１?１?１?－?■■■?－??Ｉ?．．．Ｋ—ＫＰＣＡＩＮＮ??９９?－?－－?＋?－－ＩＣＡＩＮＮ?－??９８?－?乂?＾七命４＂?，？味乂＇ｘ、ｘ、－??本冰?＇本本?＾＂ｋ－－ｘ－－ｋ－．ｋ．．３：??Ｗ?－??ｇ?屮．？＋??＃?９６?－?－??§?９５?■?ｙ乃?总它、?■??Ｉ心一林ｔ？?＇％、?．??屮＋、?攻说??９３－?＇＋＇＋?分？分？）??９２?－?＊??十屮＋?＋?＋?－－??９１??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ???０?１０００?２０００?３０００?４０００?５０００?６０００??测试集??图４．６误警率Ｉｐ对比图??Ｆｉｇｕｒｅ?４．６?Ｆａｌｓｅ?ａｌａｒｍ?ｒａｔｅ?Ｉ，？?ｃｏｍｐａｒｉｓｏｎ?ｃｈａｒｔ??２６??
【参考文献】：
期刊论文
[1]面向电力网络的多属性SCADA入侵检测[J]. 蒋晨达,李津. 电力学报. 2018(04)
[2]智能电网入侵检测综述[J]. 蒋南允,程光. 网络空间安全. 2018(01)
[3]云计算环境下的智能电网光通信网络安全的研究[J]. 杜博. 自动化与仪器仪表. 2018(01)
[4]运用PCA改进BP神经网络的用电异常行为检测[J]. 田野,张程,毛昕儒,刘骥. 重庆理工大学学报(自然科学). 2017(08)
[5]智能电网邻域网分级式入侵检测系统研究[J]. 李雅洁,丁一,马文洁,钮丹阳. 软件. 2017(07)
[6]电力信息物理融合系统环境中的网络攻击研究综述[J]. 汤奕,陈倩,李梦雅,王琦,倪明,梁云. 电力系统自动化. 2016(17)
[7]基于图论的矩阵算法在配电网故障定位中的应用[J]. 胡福年,孙守娟. 中国电力. 2016(03)
[8]智能电网中分层网络结构的入侵检测系统研究[J]. 徐静,姚志垒,徐森,李永忠,吴素芹. 郑州轻工业学院学报(自然科学版). 2015(Z2)
[9]智能电网信息安全现状分析及防护建议[J]. 王秀清,王素丽,车方圆,于香英,李旭峰. 信息技术. 2015(09)
[10]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
硕士论文
[1]信息安全知识服务系统研究与实现[D]. 江国林.郑州大学 2017
[2]基于图论分析的智能电网信息攻击入侵检测研究[D]. 李建金.燕山大学 2017
[3]配用电系统高级量测体系与数据应用方法研究[D]. 刘沅昆.华北电力大学 2017
[4]入侵检测技术在微电网监控中的应用研究[D]. 高文鹏.华北电力大学(北京) 2016
[5]智能电网DNP3协议安全机制研究与实现[D]. 闫爽.国防科学技术大学 2016
[6]智能电网高级量测体系入侵检测方法研究[D]. 张超超.华北电力大学(北京) 2016
[7]电力CPS网络攻击模式分析与智能电表入侵检测方法研究[D]. 吴长江.长沙理工大学 2015
[8]智能电网AMI网络安全机制研究[D]. 刘小雪.国防科学技术大学 2014
[9]基于AMI的入侵检测技术研究[D]. 简富俊.华北电力大学 2014
[10]智能电网通信系统的网络安全[D]. 刘力.南昌大学 2012
本文编号：3392866
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3392866.html
