[發明專利]綜合能源系統網絡安全檢測方法及系統

有效

• 申請號: 202111145653.5
• 申請日: 2021-09-28
• 公開（公告）號: CN113965358B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 周杰;齊國紅;呂新;朱銳;曲欣;黎勁松;蘇革;黃超;常泳;李景云;張澤
• 申請（專利權）人: 石河子大學;新疆天富能源股份有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/084;G06N3/006;G06F18/24;H04L67/12
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李文麗

1.一種綜合能源系統網絡安全檢測方法，其特征在于，包括：

獲取待檢測網絡數據；

將所述待檢測網絡數據輸入至數據檢測模型，輸出所述待檢測網絡數據的檢測結果；

其中，所述數據檢測模型是基于網絡數據樣本以及對應的識別標簽進行訓練后得到的；所述識別標簽是根據所述網絡數據樣本預先確定的，并與所述網絡攻擊數據樣本一一對應；所述數據檢測模型為BP神經網絡，所述BP神經網絡的網絡參數是應用精英克隆蜂群算法優化的；

所述應用精英克隆蜂群算法優化所述BP神經網絡的網絡參數的過程包括：

基于所述BP神經網絡的網絡參數初始化精英克隆蜂群算法；

所述精英克隆蜂群算法中的雇傭蜂、觀察蜂、探索蜂尋找最佳花蜜源；

所述尋找最佳花蜜源的過程中，若尋找到精英花蜜源，雇傭蜂基于預設概率克隆精英花蜜源；

基于最佳花蜜源優化所述BP神經網絡的網絡參數；

其中，所述精英花蜜源為任一雇傭蜂當前尋找到的花蜜源中適應度值最低的花蜜源，所述適應度值為根據所述適應度值對應的花蜜源優化后的BP神經網絡對測試數據的誤分類次數；

所述尋找最佳花蜜源的過程，還包括：

所述雇傭蜂尋找花蜜源并分享花蜜源信息；

所述觀察蜂基于所述花蜜源信息選擇花蜜源，搜索花蜜源信息對應的區域，尋找新的花蜜源；

所述探索蜂在精英算子的作用下隨機搜索新的花蜜源；

若達到預設種群迭代次數或最佳花蜜源符合預設精度，輸出最佳花蜜源；

其中，所述精英算子用于在尋優過程中對花蜜源進行比較，若當前花蜜源相比原精英花蜜源更優則替換精英花蜜源，若當前花蜜源相較原精英花蜜源更差則保留精英花蜜源。

2.根據權利要求1所述的綜合能源系統網絡安全檢測方法，其特征在于，所述數據檢測模型的訓練過程，具體包括：

基于所述網絡數據樣本對所述BP神經網絡進行訓練；

若所述BP神經網絡收斂速度緩慢，則應用所述精英克隆蜂群算法優化所述BP神經網絡的網絡參數；

交替運行上述步驟，直到預設迭代次數用盡或所述BP神經網絡輸出的訓練結果達到要求的精度。

3.根據權利要求1所述的綜合能源系統網絡安全檢測方法，其特征在于，所述預設概率取值范圍為[0.1,0.5]。

4.根據權利要求1所述的綜合能源系統網絡安全檢測方法，其特征在于，所述預設概率為0.1。

5.一種綜合能源系統網絡安全檢測系統，其特征在于，包括：

獲取模塊，用于獲取待檢測網絡數據；

檢測模塊，用于將所述待檢測網絡數據輸入至數據檢測模型，輸出所述待檢測網絡數據的檢測結果；

其中，所述數據檢測模型是基于網絡數據樣本以及對應的識別標簽進行訓練后得到的；所述識別標簽是根據所述網絡數據樣本預先確定的，并與所述網絡攻擊數據樣本一一對應；所述數據檢測模型為BP神經網絡，所述BP神經網絡的網絡參數是應用精英克隆蜂群算法優化的；

所述應用精英克隆蜂群算法優化所述BP神經網絡的網絡參數的過程包括：

基于所述BP神經網絡的網絡參數初始化精英克隆蜂群算法；

所述精英克隆蜂群算法中的雇傭蜂、觀察蜂、探索蜂尋找最佳花蜜源；

所述尋找最佳花蜜源的過程中，若尋找到精英花蜜源，雇傭蜂基于預設概率克隆精英花蜜源；

基于最佳花蜜源優化所述BP神經網絡的網絡參數；

其中，所述精英花蜜源為任一雇傭蜂當前尋找到的花蜜源中適應度值最低的花蜜源，所述適應度值為根據所述適應度值對應的花蜜源優化后的BP神經網絡對測試數據的誤分類次數；

所述尋找最佳花蜜源的過程，還包括：

所述雇傭蜂尋找花蜜源并分享花蜜源信息；

所述觀察蜂基于所述花蜜源信息選擇花蜜源，搜索花蜜源信息對應的區域，尋找新的花蜜源；

所述探索蜂在精英算子的作用下隨機搜索新的花蜜源；

若達到預設種群迭代次數或最佳花蜜源符合預設精度，輸出最佳花蜜源；

其中，所述精英算子用于在尋優過程中對花蜜源進行比較，若當前花蜜源相比原精英花蜜源更優則替換精英花蜜源，若當前花蜜源相較原精英花蜜源更差則保留精英花蜜源。