[發(fā)明專利]綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202111145653.5
• 申請(qǐng)日: 2021-09-28
• 公開(kāi)（公告）號(hào): CN113965358B
• 公開(kāi)（公告）日: 2023-04-28
• 發(fā)明（設(shè)計(jì)）人: 周杰;齊國(guó)紅;呂新;朱銳;曲欣;黎勁松;蘇革;黃超;常泳;李景云;張澤
• 申請(qǐng)（專利權(quán)）人: 石河子大學(xué);新疆天富能源股份有限公司
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;G06N3/084;G06N3/006;G06F18/24;H04L67/12
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 李文麗

本發(fā)明提供一種綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)方法及系統(tǒng)，其中方法包括：獲取待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)；將所述待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)輸入至數(shù)據(jù)檢測(cè)模型，輸出所述待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)的檢測(cè)結(jié)果；其中，所述數(shù)據(jù)檢測(cè)模型是基于網(wǎng)絡(luò)數(shù)據(jù)樣本以及對(duì)應(yīng)的識(shí)別標(biāo)簽進(jìn)行訓(xùn)練后得到的；所述識(shí)別標(biāo)簽是根據(jù)所述網(wǎng)絡(luò)數(shù)據(jù)樣本預(yù)先確定的，并與所述網(wǎng)絡(luò)攻擊數(shù)據(jù)樣本一一對(duì)應(yīng)；所述數(shù)據(jù)檢測(cè)模型為BP神經(jīng)網(wǎng)絡(luò)，所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)是應(yīng)用精英克隆蜂群算法優(yōu)化的。本發(fā)明通過(guò)結(jié)合精英克隆蜂群算法和BP神經(jīng)網(wǎng)絡(luò)選擇最佳網(wǎng)絡(luò)參數(shù)來(lái)提高BP神經(jīng)網(wǎng)絡(luò)的性能和檢測(cè)的質(zhì)量，提高了綜合能源系統(tǒng)網(wǎng)絡(luò)異常分類的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)安全技術(shù)領(lǐng)域，尤其涉及一種綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)方法及系統(tǒng)。

背景技術(shù)

綜合能源系統(tǒng)網(wǎng)絡(luò)的重要性使得它容易受到不同級(jí)別系統(tǒng)之間的網(wǎng)絡(luò)攻擊。目前，通過(guò)人工智能技術(shù)在綜合能源系統(tǒng)網(wǎng)絡(luò)中檢測(cè)網(wǎng)絡(luò)安全異常問(wèn)題仍然存在挑戰(zhàn)。

首先，混合型網(wǎng)絡(luò)物理環(huán)境是一個(gè)龐大而復(fù)雜的分布式系統(tǒng)，通過(guò)各種物理系統(tǒng)和傳感器產(chǎn)生大量的工業(yè)數(shù)據(jù)流。為減輕綜合能源系統(tǒng)網(wǎng)絡(luò)中惡意攻擊造成的危害，需要實(shí)時(shí)、準(zhǔn)確、及時(shí)地進(jìn)行異常檢測(cè)，以便于基于系統(tǒng)中不同層次的分布式節(jié)點(diǎn)獲取和傳輸?shù)臄?shù)據(jù)流對(duì)系統(tǒng)整體性能進(jìn)行監(jiān)控。

另外，由于傳感器故障、數(shù)據(jù)傳輸錯(cuò)誤等多種因素的影響，監(jiān)控?cái)?shù)據(jù)的丟失是綜合能源工業(yè)系統(tǒng)中普遍存在的問(wèn)題，但也會(huì)給智能異常檢測(cè)的自動(dòng)數(shù)據(jù)采集和模型訓(xùn)練帶來(lái)更大的困難。

由于傳統(tǒng)的學(xué)習(xí)技術(shù)主要依賴于一個(gè)大的標(biāo)記訓(xùn)練數(shù)據(jù)庫(kù)，在實(shí)時(shí)監(jiān)控和異常檢測(cè)任務(wù)中面對(duì)上述問(wèn)題時(shí)變得更具挑戰(zhàn)性。因此，在綜合能源系統(tǒng)網(wǎng)絡(luò)中更復(fù)雜的數(shù)據(jù)融合過(guò)程中，使用現(xiàn)有技術(shù)對(duì)網(wǎng)絡(luò)異常類型檢測(cè)還存在檢測(cè)精度低的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明提供一種綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中綜合能源網(wǎng)絡(luò)安全檢測(cè)精度低的缺陷，實(shí)現(xiàn)了提高綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)分類的準(zhǔn)確率。

第一方面，本發(fā)明提供一種綜合能源系統(tǒng)網(wǎng)絡(luò)安全檢測(cè)方法，包括：獲取待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)；將所述待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)輸入至數(shù)據(jù)檢測(cè)模型，輸出所述待檢測(cè)網(wǎng)絡(luò)數(shù)據(jù)的檢測(cè)結(jié)果；其中，所述數(shù)據(jù)檢測(cè)模型是基于網(wǎng)絡(luò)數(shù)據(jù)樣本以及對(duì)應(yīng)的識(shí)別標(biāo)簽進(jìn)行訓(xùn)練后得到的；所述識(shí)別標(biāo)簽是根據(jù)所述網(wǎng)絡(luò)數(shù)據(jù)樣本預(yù)先確定的，并與所述網(wǎng)絡(luò)攻擊數(shù)據(jù)樣本一一對(duì)應(yīng)；所述數(shù)據(jù)檢測(cè)模型為BP神經(jīng)網(wǎng)絡(luò)，所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)是應(yīng)用精英克隆蜂群算法優(yōu)化的。

可選的，所述應(yīng)用精英克隆蜂群算法優(yōu)化所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)的過(guò)程包括：基于所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)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(guò)程中，若尋找到精英花蜜源，雇傭蜂基于預(yù)設(shè)概率克隆精英花蜜源；基于最佳花蜜源優(yōu)化所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；其中，所述精英花蜜源為任一雇傭蜂當(dāng)前尋找到的花蜜源中適應(yīng)度值最低的花蜜源，所述適應(yīng)度值為根據(jù)所述適應(yīng)度值對(duì)應(yīng)的花蜜源優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試數(shù)據(jù)的誤分類次數(shù)。

可選的，所述尋找最佳花蜜源的過(guò)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(duì)應(yīng)的區(qū)域，尋找新的花蜜源；所述探索蜂在精英算子的作用下隨機(jī)搜索新的花蜜源；若達(dá)到預(yù)設(shè)種群迭代次數(shù)或最佳花蜜源符合預(yù)設(shè)精度，輸出最佳花蜜源；其中，所述精英算子用于在尋優(yōu)過(guò)程中對(duì)花蜜源進(jìn)行比較，若當(dāng)前花蜜源相比原精英花蜜源更優(yōu)則替換精英花蜜源，若當(dāng)前花蜜源相較原精英花蜜源更差則保留精英花蜜源。

可選的，所述數(shù)據(jù)檢測(cè)模型的訓(xùn)練過(guò)程，具體包括：基于所述網(wǎng)絡(luò)數(shù)據(jù)樣本對(duì)所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；若所述BP神經(jīng)網(wǎng)絡(luò)收斂速度緩慢，則應(yīng)用所述精英克隆蜂群算法優(yōu)化所述BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；交替運(yùn)行上述步驟，直到預(yù)設(shè)迭代次數(shù)用盡或所述BP神經(jīng)網(wǎng)絡(luò)輸出的訓(xùn)練結(jié)果達(dá)到要求的精度。

可選的，所述預(yù)設(shè)概率取值范圍為[0.1,0.5]。

可選的，所述預(yù)設(shè)概率為0.1。