申请/专利权人：深圳供电局有限公司;浙江大学;南方电网科学研究院有限责任公司

申请日：2020-10-09

公开（公告）日：2021-01-05

公开（公告）号：CN112187820A

主分类号：H04L29/06(20060101)

分类号：H04L29/06(20060101);G06K9/62(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.10.21#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于机器学习的配电终端DTU入侵检测方法和系统，属于智能电网安全领域，包括配电终端的端口识别、数据采集、传输、数据处理和降维、构建基于神经网络及最小二乘支持向量机的分类器、进行配电终端的入侵行为检测实验，当出现异常时及时发出警报。本发明采用主成分分析法降低高维特征数据，再利用降维后的特征建立模型；其次，采用最小二乘支持向量机和神经网络算法进行双重验证，以提高检测准确性、降低误报率；最后，入侵检测系统框架采用模块化设计，适合用于智能电网领域下的入侵检测，移植性和通用性好。

主权项：1.一种基于机器学习的配电终端DTU入侵检测方法，其特征在于，包括以下步骤：步骤1：建立服务端-客户端的CS通讯架构，创建套接字对象，收集配电终端DTU信息数据；步骤2：对网络信息数据进行预处理，获得原始特征集，并通过主成分分析法从原始特征集中筛选出预设数量的特征作为最终特征，获得训练样本集；步骤3：搭建由输入层、隐藏层、输出层三部分组成的神经网络模型作为第一分类器，其中输入层负责接收筛选后的最终特征，隐藏层用于进行特征值处理，包括各特征值的初始权值、网络目标函数和激活函数，输出层负责输出神经网络结果；步骤4：搭建最小二乘支持向量机模型作为第二分类器，通过非线性映射将筛选后的最终特征映射到高维特征空间，然后在高维特征空间中基于结构风险最小化原则构造最优决策函数，利用原空间的核函数取代高维特征空间中的点积运算，输出最小二乘支持向量机结果；步骤5：将第一分类器和第二分类器进行集成学习，构成强分类器进化模型；在集成学习中，首先使用训练样本集通过8折交叉验证的方式对第一分类器进行训练和验证，得到第一分类器的分类误差率，进一步计算第一分类器在强分类器进化模型中的权重系数；然后更新训练样本集的权值分布，使得第一分类器中预测错误的样本权重变大，预测正确的权值变小，然后对所有权值进行归一化；使用更新权值分布后的训练样本集通过8折交叉验证的方式对第二分类器进行训练和验证，得到第二类器的分类误差率，进一步计算第二分类器在强分类器进化模型中的权重系数；最后形成训练好的强分类器进化模型；步骤6：通过服务端-客户端的CS通讯架构实时获取配电终端DTU信息数据，按照步骤3的筛选结果提取特征，使用训练好的强分类器进化模型对DTU特征数据进行实时入侵检测，判断配电终端DTU处于正常工作状态或处于遭受攻击的异常工作状态，若状态异常则发出警报。

全文数据：

权利要求：

百度查询： 深圳供电局有限公司;浙江大学;南方电网科学研究院有限责任公司 基于机器学习的配电终端DTU入侵检测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD