[發明專利]一種基于機器學習的終端接入數據異常檢測方法及裝置

在審

• 申請號: 201811352235.1
• 申請日: 2018-11-14
• 公開（公告）號: CN109391624A
• 公開（公告）日: 2019-02-26
• 發明（設計）人: 梁曉兵;許斌;翟峰;劉鷹;呂英杰;岑煒;付義倫;李保豐;曹永峰;張庚;孔令達;徐萌;馮云;王楠;袁泉;馮占成;楊全萍;任博;周琪;盧艷;韓文博;李麗麗
• 申請（專利權）人: 國家電網有限公司;中國電力科學研究院有限公司;國網福建省電力有限公司福州供電公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06N20/00
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 胡秋立

本發明提供一種基于機器學習的終端接入數據異常檢測方法，包括：根據預先確定的多維特征庫，處理接收到的當前終端接入數據，以獲取每條接入數據的特征向量，其中，當前終端接入數據中包括至少一條接入數據；將獲取的特征向量作為機器學習模型的輸入信息，確定當前終端接入數據的檢測結果，其中，該機器學習模型是預先訓練并通過正確率測試的異常接入檢測模型。該方法利用建立的異常接入檢測模型檢測終端接入數據的異常行為，保障了電、水、熱、氣熱能源計量一體化采集系統的安全可靠運行。

技術領域

本發明涉及信息安全技術領域，具體涉及一種基于機器學習的終端接入數據異常檢測方法及裝置。

背景技術

電、水、熱、氣熱能源計量一體化采集系統存在多方面安全風險，為了保證采集數據傳輸安全，不僅需要對數據采取加密、網絡隔離等安全防護方式，還需要從交換協議等層面檢測接入數據中可能存在的惡意行為，如：數據篡改或植入惡意程序(木馬、病毒、惡意代碼等)。

目前，電、水、熱、氣熱能源計量一體化采集系統的安全風險控制水平較低，電、水、熱、氣熱能源計量一體化采集系統難以在較高的安全水平下可靠運行。

發明內容

本發明提供一種基于機器學習的終端接入數據異常檢測方法，以克服的目前能源計量一體化采集系統的安全水平不足，難以可靠運行的問題。

第一方面，本發明提供了一種基于機器學習的終端接入數據異常檢測方法，包括以下步驟：

根據預先確定的多維特征庫，處理接收到的當前終端接入數據，以獲取每條接入數據的特征向量，其中，當前終端接入數據中包括至少一條接入數據；

將獲取的特征向量作為機器學習模型的輸入信息，確定當前終端接入數據的檢測結果，其中，該機器學習模型是預先訓練并通過正確率測試的異常接入檢測模型。

進一步地，所述的方法，還包括：

建立異常接入檢測模型的步驟：

從已存儲終端接入數據中，根據協議規范解析每條接入數據的關鍵字段；

根據協議規定及正常和異常報文的不同特點，提取每條接入數據的多維特征庫；

采用以上訓練集，將特征向量作為輸入，異常行為作為輸出，采用機器學習分類算法，建立與多維特征庫對應的的異常接入檢測模型。

進一步地，所述的方法，還包括：

建立多維特征庫的步驟：

根據搜集的異常終端接入數據和搜集的正常終端接入數據，分別解析每條接入數據的特征向量；

對比異常和正常終端接入數據中的各個字段的長度特征、各個字段的數量特征和不同異常行為的類型特征，獲得異常終端接入數據的異常特征參數，并形成多維特征庫。

進一步地，所述的方法，

在搜集訓練集時，將特征向量完全相同的多條接入數據合并為一條接入數據。

進一步地，所述的方法，

在建立異常接入檢測模型的步驟之后，還包括：

獲得待測試終端接入數據的特征向量，并利用該異常接入檢測模型檢測每條待測試終端接入數據，生成待測試終端接入數據對應地的檢測結果；

將所生成的檢測結果與待測試終端接入數據的異常行為對比，獲得該異常接入檢測模型檢測該待測試終端接入數據異常行為的正確率；

判斷正確率是否大于預設閾值；

若是，則判定該異常接入檢測模型有效；