申请/专利权人：国网福建省电力有限公司经济技术研究院;国网福建省电力有限公司

申请日：2021-11-19

公开（公告）日：2024-04-12

公开（公告）号：CN113905405B

主分类号：H04W24/04

分类号：H04W24/04;G06N3/0464;G06N3/0442;G06N3/048;G06N3/09;G06F18/214;G06F18/24

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.01.25#实质审查的生效;2022.01.07#公开

摘要：本发明涉及一种电力无线接入专网异常流量检测方法，包括以下步骤：S1：在电力无线接入专网场景下，对底层数据流进行采样并导入到OpenFlow控制器中，对数据流进行预处理及标准归一化；S2：采用卷积神经网络CNN提取时间序列数据特征并转化为维度固定的稠密向量，采用融合注意力机制的CNN单元捕捉时间序列细粒度特征；S3：将CNN提取的局部特征与长短期记忆网络LSTM提取的序列特征相结合，对电力接入专网流量数据进行异常检测。该方法有利于提高电力无线接入专网中异常流量检测的准确率。

主权项：1.一种电力无线接入专网异常流量检测方法，其特征在于，包括以下步骤：S1：在电力无线接入专网场景下，对底层数据流进行采样并导入到OpenFlow控制器中，对数据流进行预处理及标准归一化；S2：采用卷积神经网络CNN提取时间序列数据特征并转化为维度固定的稠密向量，采用融合注意力机制的CNN单元捕捉时间序列细粒度特征；S3：将CNN提取的局部特征与长短期记忆网络LSTM提取的序列特征相结合，对电力接入专网流量数据进行异常检测；在步骤S1中，在完成数据归一化标准处理后，使用两级时间窗口提取样本；第一时间窗记录作为输入序列的当前网络工作状态，第二时间窗记录作为标签预测的未来网络状态；将两个时间窗口设置为长度相等，根据不同时间窗的长度来比较模型的性能；该方法具体按如下步骤实现：1通过OpenFlows读取电网流量数据，并做归一化、标准化处理；2使用两级时间窗口提取样本数据，并输入至CNN单元；3将标准训练集数据通过CNN卷积层及最大池化层提取特征；4并行注意力机制模型同时与CNN模块进行细粒度特征提取，并输出特征矩阵；5通过LSTM网络训练分析特征矩阵，并对下一时间窗口数据进行预测；6将LSTM输出的矢量矩阵输入到Dropout层，以防止过拟合。

全文数据：

权利要求：

百度查询： 国网福建省电力有限公司经济技术研究院;国网福建省电力有限公司 一种电力无线接入专网异常流量检测方法

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