本文關(guān)鍵詞：智能電網(wǎng)高級量測體系入侵檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能電網(wǎng)是建立在集成的、高速雙向通信網(wǎng)絡(luò)的基礎(chǔ)上,通過先進(jìn)的傳感和測量技術(shù)、設(shè)備技術(shù)、控制方法以及決策支持系統(tǒng)的應(yīng)用,實(shí)現(xiàn)電網(wǎng)的可靠、安全、經(jīng)濟(jì)、高效、環(huán)境友好和使用安全的目標(biāo)。高級量測體系(AMI)作為智能電網(wǎng)的核心部件,在智能電表和數(shù)據(jù)處理中心系統(tǒng)之間提供雙向通信。由于與計算機(jī)網(wǎng)絡(luò)互連,容易遭受到網(wǎng)絡(luò)攻擊,針對AMI的攻擊威脅越來越多。除了可能遭受針對一般計算機(jī)網(wǎng)絡(luò)的攻擊外,它還有自身的弱點(diǎn),比如電力設(shè)備終端有限的計算能力和潛在的部署成本等,這些因素都限制了傳統(tǒng)入侵檢測方法在高級量測體系中的應(yīng)用。由于AMI系統(tǒng)的雙重特性,即處在傳統(tǒng)的電力網(wǎng)絡(luò)和計算機(jī)網(wǎng)絡(luò)相結(jié)合的環(huán)境下。攻擊者會利用這些弱點(diǎn)對智能電網(wǎng)系統(tǒng)發(fā)動攻擊。因此首先對高級量測體系(AMI)進(jìn)行安全性分析,然后針對AMI的網(wǎng)絡(luò)特點(diǎn)建立基于機(jī)器學(xué)習(xí)算法的入侵檢測模型,實(shí)現(xiàn)了針對AMI的入侵檢測。具體工作如下：(1)研究了AMI系統(tǒng)的組成結(jié)構(gòu)并對AMI系統(tǒng)安全性進(jìn)行分析,并構(gòu)建AMI的通信模擬圖,對每一層次的網(wǎng)絡(luò)可能遭受的主要攻擊類型進(jìn)行分析。提出針對高級量測體系基于支持向量機(jī)(SVM)入侵檢測模型。(2)針對SVM算法當(dāng)訓(xùn)練樣本過大時復(fù)雜度過高的問題,提出了一種基于ELM的AMI入侵檢測方法,利用ELM只需要設(shè)置網(wǎng)絡(luò)的單隱層節(jié)點(diǎn)個數(shù),在算法執(zhí)行過程中不需要調(diào)整網(wǎng)絡(luò)的輸入權(quán)值以及隱元的偏置的特點(diǎn),實(shí)現(xiàn)了AMI的快速入侵檢測。實(shí)驗(yàn)結(jié)果表明,基于ELM的智能電網(wǎng)AMI入侵檢測方法利用了ELM學(xué)習(xí)速度快且泛化性能好的優(yōu)點(diǎn),在檢測精度上高于SVM,降低了檢測時間,具有較好的檢測性能。(3)考慮到ELM算法會把新舊數(shù)據(jù)放在一起重新訓(xùn)練,耗時過長的缺點(diǎn),提出了利用OS-ELM來改進(jìn)傳統(tǒng)ELM,在該算法中,數(shù)據(jù)可以逐個或逐塊地添加到網(wǎng)絡(luò)中,進(jìn)一步提高了訓(xùn)練效率。在保證檢測精度的前提下,在訓(xùn)練時間上要優(yōu)于ELM。
【關(guān)鍵詞】：高級量測體系 入侵檢測系統(tǒng) 機(jī)器學(xué)習(xí) 極限學(xué)習(xí)機(jī) 在線序列極限學(xué)習(xí)機(jī)
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM76;TP393.08
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題背景及意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 論文主要工作及章節(jié)安排12-15
• 1.3.1 論文的主要工作12-13
• 1.3.2 論文的章節(jié)安排13-15
• 第2章 高級量測體系(AMI)結(jié)構(gòu)及安全分析15-19
• 2.1 AMI系統(tǒng)組成15-16
• 2.2 AMI的通信網(wǎng)絡(luò)16-18
• 2.2.1 AMI的通信網(wǎng)絡(luò)16-17
• 2.2.2 AMI的通信模擬圖17-18
• 2.3 AMI的安全性分析18-19
• 第3章 基于SVM的AMI入侵檢測模型19-31
• 3.1 引言19
• 3.2 數(shù)據(jù)集的收集及處理19-22
• 3.2.1 NSL-KDDCUP數(shù)據(jù)20-21
• 3.2.2 linux-shell程序處理數(shù)據(jù)21-22
• 3.3 基于SVM的AMI入侵檢測模型22-28
• 3.3.1 支持向量機(jī)(SVM)22-23
• 3.3.2 LIBSVM檢測工具23
• 3.3.3 SVM算法分析23-25
• 3.3.4 基于SVM的AMI入侵檢測25-28
• 3.4 實(shí)驗(yàn)結(jié)果與分析28-30
• 3.4.1 DOS類型入侵檢測28-29
• 3.4.2 Probing類型入侵檢測29
• 3.4.3 R2L類型入侵檢測29-30
• 3.5 本章小結(jié)30-31
• 第4章 基于ELM的AMI入侵檢測研究31-41
• 4.1 引言31
• 4.2 單隱層前饋神經(jīng)網(wǎng)絡(luò)31-35
• 4.3 基于極限學(xué)習(xí)機(jī)(ELM)的AMI入侵檢測研究分析35-37
• 4.3.1 極限學(xué)習(xí)機(jī)35
• 4.3.2 基于極限學(xué)習(xí)機(jī)的入侵檢測模型分析35-36
• 4.3.3 極限學(xué)習(xí)入侵檢測算法實(shí)現(xiàn)流程圖36-37
• 4.4 實(shí)驗(yàn)結(jié)果37-40
• 4.4.1 DOS攻擊類型檢測及分析37-38
• 4.4.2 Probing攻擊類型檢測及分析38-39
• 4.4.3 R2L攻擊類型檢測及分析39-40
• 4.5 本章小結(jié)40-41
• 第5章 基于OS-ELM的AMI入侵檢測研究41-50
• 5.1 引言41
• 5.2 OS-ELM算法分析41-44
• 5.2.1 OS-ELM算法41-42
• 5.2.2 基于OS-ELM算法的入侵檢測方法42-44
• 5.2.3 OS-ELM算法的流程圖44
• 5.3 基于OS-ELM的AMI入侵檢測實(shí)驗(yàn)44-49
• 5.3.1 DOS攻擊類型檢測及分析45-46
• 5.3.2 Probing攻擊類型檢測及分析46-48
• 5.3.3 R2L攻擊類型檢測及分析48-49
• 5.4 本章小結(jié)49-50
• 第6章 結(jié)論與展望50-51
• 6.1 研究總結(jié)50
• 6.2 展望50-51
• 參考文獻(xiàn)51-55
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果55-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 危勝軍;胡昌振;孫明謙;;基于模糊Petri網(wǎng)的誤用入侵檢測方法[J];北京理工大學(xué)學(xué)報;2007年04期

2 包振;何迪;;一種基于圖論的入侵檢測方法[J];上海交通大學(xué)學(xué)報;2010年09期

3 李維民,彭新光,王全民;一種基于匹配集的入侵檢測方法[J];太原理工大學(xué)學(xué)報;2001年06期

4 黃俊;陳光平;凌曉路;;主成分分析的入侵檢測方法研究[J];中國計量學(xué)院學(xué)報;2007年03期

5 劉勇;孫東紅;陳友;王宛山;;基于主成分分析和決策樹的入侵檢測方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2010年07期

6 劉茗;;一種基于數(shù)據(jù)挖掘的入侵檢測方法研究與實(shí)現(xiàn)[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2010年03期

7 羅世亮;程良倫;任斌;;面向醫(yī)療物聯(lián)網(wǎng)的一種行為規(guī)則入侵檢測方法[J];科學(xué)技術(shù)與工程;2014年05期

8 宋群;張駿;鄧正宏;;基于偏斜數(shù)據(jù)流分類的入侵檢測方法[J];西北工業(yè)大學(xué)學(xué)報;2009年06期

9 魯立;劉頌;;基于自適應(yīng)遺傳算法的入侵檢測方法[J];科學(xué)技術(shù)與工程;2012年33期

10 張杰;李永忠;;云模型半監(jiān)督聚類動態(tài)加權(quán)的入侵檢測方法[J];昆明理工大學(xué)學(xué)報(自然科學(xué)版);2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 何一青;;一種基于有向二分圖模型和貝葉斯網(wǎng)絡(luò)的入侵檢測方法[A];第27次全國計算機(jī)安全學(xué)術(shù)交流會論文集[C];2012年

2 令狐大智;李陶深;;一種基于模糊理論的自適應(yīng)入侵檢測方法[A];2007年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(上冊)[C];2007年

3 郎風(fēng)華;鮮繼清;唐賢倫;;一種基于格貼近度的模糊入侵檢測方法[A];’2004計算機(jī)應(yīng)用技術(shù)交流會議論文集[C];2004年

4 賈超;張胤;;互聯(lián)網(wǎng)絡(luò)的多特征融合入侵檢測方法[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議（NCIRCS-2005）論文集[C];2005年

5 張克農(nóng);陸佳華;高明;;一種基于FPGA的千兆網(wǎng)絡(luò)入侵檢測方法與實(shí)現(xiàn)[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（上冊）[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 鄔書躍;基于支持向量機(jī)和貝葉斯分析技術(shù)的入侵檢測方法研究[D];中南大學(xué);2012年

2 齊建東;基于數(shù)據(jù)挖掘的入侵檢測方法及系統(tǒng)研究[D];中國農(nóng)業(yè)大學(xué);2003年

3 尹清波;基于機(jī)器學(xué)習(xí)的入侵檢測方法研究[D];哈爾濱工程大學(xué);2007年

4 田新廣;基于主機(jī)的入侵檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

5 蘇璞睿;基于特權(quán)進(jìn)程行為的入侵檢測方法研究[D];中國科學(xué)院研究生院（軟件研究所）;2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王莉;基于改進(jìn)模糊認(rèn)知圖的入侵檢測方法研究[D];天津理工大學(xué);2013年

2 顧茜;基于信道狀態(tài)信息的入侵檢測方法研究[D];燕山大學(xué);2016年

3 王珊;基于網(wǎng)絡(luò)流量特征分析的跳板入侵檢測方法的研究[D];華僑大學(xué);2016年

4 張超超;智能電網(wǎng)高級量測體系入侵檢測方法研究[D];華北電力大學(xué)(北京);2016年

5 蘭妥;基于聚類分析的入侵檢測方法研究[D];廈門大學(xué);2009年

6 劉思佳;智能網(wǎng)絡(luò)入侵檢測方法的研究[D];西華大學(xué);2009年

7 黃同心;基于半監(jiān)督優(yōu)化分類的入侵檢測方法研究[D];南京航空航天大學(xué);2012年

8 劉燕;基于數(shù)據(jù)挖掘的入侵檢測方法研究[D];西安電子科技大學(xué);2007年

9 陳莉;基于支持向量機(jī)的入侵檢測方法研究[D];蘇州大學(xué);2009年

10 王宏;基于聚類分析的入侵檢測方法研究[D];四川大學(xué);2006年

  本文關(guān)鍵詞：智能電網(wǎng)高級量測體系入侵檢測方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：444890