隨著時代的發(fā)展,智能電網(wǎng)無論在技術層面還是在實踐層面,都取得了較大的進步,隨之而來的智能電網(wǎng)安全問題也越來越受到人們的關注。智能電網(wǎng)一旦受到攻擊,不僅造成電力公司的重大經(jīng)濟損失,甚至對人們的生活和安全造成毀滅性的影響。高級量測體系（Adavanced Metering Infrastructure,AMI）是智能電網(wǎng)的核心部件,確保AMI的信息機密性、完整性、可用性和可靠性是智能電網(wǎng)安全問題的核心。AMI是一種基于雙向通信網(wǎng)絡的系統(tǒng),AMI可以為實時雙向交互、需求響應管理、分布式能源發(fā)電和存儲等高級應用提供信息平臺和技術支持。由于與計算機相連通,容易遭受網(wǎng)絡攻擊,但又與傳統(tǒng)的網(wǎng)絡環(huán)境不同,AMI具有一些獨特的特點,例如,有限的計算和處理資源要求模型訓練速度快,同時入侵檢測率要高,而超限學習機訓練速度快,模型泛化能力強,滿足智能電網(wǎng)AMI入侵檢測的需求。本文在分析了AMI的安全性后,提出了三種智能電網(wǎng)AMI安全策略。（1）提出了一種基于集成學習和超限學習機的入侵檢測策略。智能電網(wǎng)中數(shù)據(jù)量大,特征維度高,存在許多冗余特征,提出了一種基于集成學習的特征選擇算法——BFSBEL算法,通過該算法... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文結構安排
第二章 相關理論與工作基礎
    2.1 智能電網(wǎng)高級量測體系安全性分析
        2.1.1 系統(tǒng)組成
        2.1.2 通信網(wǎng)絡
        2.1.3 安全需求
    2.2 超限學習機概述
    2.3 數(shù)據(jù)集收集與處理
        2.3.1 KDDCUP99 數(shù)據(jù)集
        2.3.2 數(shù)據(jù)選擇及預處理
    2.4 技術評價指標
    2.5 本章小結
第三章 基于集成學習和超限學習機的入侵檢測策略
    3.1 相關理論
        3.1.1 XGBoost
        3.1.2 LightGBM
        3.1.3 CatBoost
    3.2 基于集成學習和超限學習機的入侵檢測算法
        3.2.1 基于集成學習的特征選擇
        3.2.2 基于BFSBEL的超限學習機入侵檢測算法
    3.3 實驗結果與分析
        3.3.1 特征選擇
        3.3.2 三維圖
        3.3.3 混淆矩陣
        3.3.4 檢測指標
    3.4 本章小結
第四章 基于多層超限學習機自編碼器的入侵檢測策略
    4.1 相關理論
        4.1.1 超限學習機自編碼器
        4.1.2 多層超限學習機
    4.2 基于多層超限學習機自編碼器的超限學習機入侵檢測算法
    4.3 實驗結果與分析
        4.3.1 基于ML-ELMAE-ELM的入侵檢測技術
        4.3.2 基于BP神經(jīng)網(wǎng)絡的入侵檢測技術
        4.3.3 基于SVM的入侵檢測技術
        4.3.4 基于深度學習算法的入侵檢測技術
        4.3.5 檢測指標
    4.4 本章小結
第五章 基于遺傳算法的超限學習機入侵檢測策略
    5.1 遺傳算法概述
    5.2 基于遺傳算法的超限學習機入侵檢測算法
    5.3 實驗結果與分析
        5.3.1 基于GA-ELM的入侵檢測技術
        5.3.2 基于OS-ELM的入侵檢測技術
        5.3.3 檢測指標
    5.4 本章小節(jié)
第六章 全文總結與展望
    6.1 全文總結
    6.2 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果


【參考文獻】：
期刊論文
[1]基于XGBoost的特征選擇算法[J]. 李占山,劉兆賡.  通信學報. 2019(10)
[2]智能電網(wǎng)入侵檢測綜述[J]. 蔣南允,程光.  網(wǎng)絡空間安全. 2018(01)
[3]一種基于遺傳算法的極限學習機改進算法研究[J]. 王新環(huán),劉志超.  軟件導刊. 2017(09)
[4]基于PCA和ELM的網(wǎng)絡入侵檢測技術[J]. 黃思慧,陳萬忠,李晶.  吉林大學學報(信息科學版). 2017(05)
[5]多層極限學習機在入侵檢測中的應用[J]. 康松林,劉樂,劉楚楚,廖鋟.  計算機應用. 2015(09)
[6]AMI對未來電力系統(tǒng)的影響[J]. 張景超,陳卓婭.  電力系統(tǒng)自動化. 2010(02)
[7]KDDCup99網(wǎng)絡入侵檢測數(shù)據(jù)的分析和預處理[J]. 王潔松,張小飛.  科技信息(科學教研). 2008(15)

碩士論文
[1]基于PSO-ELM的物聯(lián)網(wǎng)入侵檢測系統(tǒng)研究[D]. 何林海.湖北工業(yè)大學 2018
[2]智能電網(wǎng)高級量測體系入侵檢測方法研究[D]. 張超超.華北電力大學(北京) 2016



本文編號：3031023