[發明專利]一種智能電網中針對高級可持續性威脅的檢測方法

在審

• 申請號: 202110853827.7
• 申請日: 2021-07-28
• 公開（公告）號: CN113612752A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 鄧巍;李鴻雁
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06N3/04
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 熊賢卿

1.一種智能電網中針對高級可持續性威脅的檢測方法，其特征在于，包括如下的步驟：

步驟S10，防御系統啟動對所有電表數據管理服務器同步進行安全檢測和數據恢復，設置相鄰兩次檢測的時間間隔初始值，設置用于恢復檢測到受損數據的歸一化速率初始值，并形成檢測方案集合；初始化首次檢測前系統受損數據量、檢測次數k和系統可接受的受損電表數據量閾值；

步驟S11，構建兩個深度卷積神經網絡，根據所述檢測方案集合確定兩個深度卷積神經網絡的權重參數；

步驟S12，獲得上一檢測周期中預定數量的服務器共收集的電表數據，以及所檢測到的受損數據量，構建一維檢測向量；

步驟S13，選擇預定次數的一維檢測向量輸入所述兩個深度卷積神經網絡，獲得最新的時間間隔、歸一化速率以及狀態值函數；

步驟S14，根據所述最新時間間隔t進行下一次檢測，并以所述最新的歸一化速率恢復受損的電表數據，并計算效用函數；收集本次檢測到的電表數據量，并構建存儲最新的一維檢測向量；

步驟S15，將所述最新的一維檢測向量替換步驟S12中的一維檢測向量，并重復所述步驟S13和步驟S14，獲得最新的狀態值函數，并結合所述效用函數、原狀態值函數計算獲得優勢函數；

步驟S16，對所述優勢函數進行求導，分別更新所述兩個深度卷積神經網絡的權重參數，當判斷到本次受損數據量小于系統可接受的受損電表數據量閾值時，則將所述兩個深度卷積神經網絡的當前的權重參數作為最終的權重參數；否則，進入下一檢測周期，流程回至步驟S12。

2.如權利要求1所述的方法，其特征在于，所述步驟S10中進一步包括：

設置相鄰兩次檢測的時間間隔t不超過電表數據收集的時間間隔T秒，防御系統根據電表數據總量將t均勻量化為N＝3個等級，t∈[nT/N]_1≤n≤N；

設置歸一化速率x∈[0,1]以恢復檢測到的被高級可持續性威脅攻擊的受損數據，x被均勻量化為K＝5個等級；

設Ω＝{[t,x]|t∈[nT/N]_1≤n≤N；x∈[l/L]_0≤l≤L}為檢測方案集合，|Ω|為檢測方案的個數；

令首次檢測前系統受損數據量為0KB,檢測次數k∈{1,2,...}，并初始化參數μ∈[0,1],c₁∈[0,1],c₂∈[1,10]和系統可接受的受損電表數據量閾值為W KB。

3.如權利要求2所述的方法，其特征在于，所述步驟S11進一步包括：

構造2個深度卷積神經網絡，其中，每一深度卷積神經網絡的卷積層數量為2，全連接層的數量為3；在每一深度卷積神經網絡的第一個卷積層有16個大小為3×3的卷積核，第二個卷積層有32個大小為3×3的卷積核；

第一深度卷積神經網絡的全連接層的輸入神經元個數為F_I，輸出神經元個數和檢測方案個數相同，均為|Ω|；

第二深度卷積神經網絡的卷積層結構與第一深度卷積神經網絡的卷積層結構相同，第二深度卷積神經網絡的全連接層的輸入神經元個數為F_I，輸出神經元個數為1；

基于輸入神經元個數F_I和檢測方案個數|Ω|，使用均值為0，方差為的高斯分布初始化第一深度卷積神經網絡和第二深度卷積神經網絡的權重參數θ_A和θ_C。

4.如權利要求3所述的方法，其特征在于，所述步驟S12進一步包括：

在第k次檢測服務器前，計算選取的M個服務器在上周期k-1次共收集的m KB電表數據，防御系統結合k-1次檢測到的受損數據量fKB，構建并存儲一維檢測向量s＝[m,f]。