隨著時(shí)代的發(fā)展,智能電網(wǎng)無論在技術(shù)層面還是在實(shí)踐層面,都取得了較大的進(jìn)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(guān)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(jì)損失,甚至對(duì)人們的生活和安全造成毀滅性的影響。高級(jí)量測(cè)體系（Adavanced Metering Infrastructure,AMI）是智能電網(wǎng)的核心部件,確保AMI的信息機(jī)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(luò)的系統(tǒng),AMI可以為實(shí)時(shí)雙向交互、需求響應(yīng)管理、分布式能源發(fā)電和存儲(chǔ)等高級(jí)應(yīng)用提供信息平臺(tái)和技術(shù)支持。由于與計(jì)算機(jī)相連通,容易遭受網(wǎng)絡(luò)攻擊,但又與傳統(tǒng)的網(wǎng)絡(luò)環(huán)境不同,AMI具有一些獨(dú)特的特點(diǎn),例如,有限的計(jì)算和處理資源要求模型訓(xùn)練速度快,同時(shí)入侵檢測(cè)率要高,而超限學(xué)習(xí)機(jī)訓(xùn)練速度快,模型泛化能力強(qiáng),滿足智能電網(wǎng)AMI入侵檢測(cè)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(xué)習(xí)和超限學(xué)習(xí)機(jī)的入侵檢測(cè)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(xué)習(xí)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(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論與工作基礎(chǔ)
    2.1 智能電網(wǎng)高級(jí)量測(cè)體系安全性分析
        2.1.1 系統(tǒng)組成
        2.1.2 通信網(wǎng)絡(luò)
        2.1.3 安全需求
    2.2 超限學(xué)習(xí)機(jī)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(yù)處理
    2.4 技術(shù)評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第三章 基于集成學(xué)習(xí)和超限學(xué)習(xí)機(jī)的入侵檢測(cè)策略
    3.1 相關(guān)理論
        3.1.1 XGBoost
        3.1.2 LightGBM
        3.1.3 CatBoost
    3.2 基于集成學(xué)習(xí)和超限學(xué)習(xí)機(jī)的入侵檢測(cè)算法
        3.2.1 基于集成學(xué)習(xí)的特征選擇
        3.2.2 基于BFSBEL的超限學(xué)習(xí)機(jī)入侵檢測(cè)算法
    3.3 實(shí)驗(yàn)結(jié)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(cè)指標(biāo)
    3.4 本章小結(jié)
第四章 基于多層超限學(xué)習(xí)機(jī)自編碼器的入侵檢測(cè)策略
    4.1 相關(guān)理論
        4.1.1 超限學(xué)習(xí)機(jī)自編碼器
        4.1.2 多層超限學(xué)習(xí)機(jī)
    4.2 基于多層超限學(xué)習(xí)機(jī)自編碼器的超限學(xué)習(xí)機(jī)入侵檢測(cè)算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 基于ML-ELMAE-ELM的入侵檢測(cè)技術(shù)
        4.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)技術(shù)
        4.3.3 基于SVM的入侵檢測(cè)技術(shù)
        4.3.4 基于深度學(xué)習(xí)算法的入侵檢測(cè)技術(shù)
        4.3.5 檢測(cè)指標(biāo)
    4.4 本章小結(jié)
第五章 基于遺傳算法的超限學(xué)習(xí)機(jī)入侵檢測(cè)策略
    5.1 遺傳算法概述
    5.2 基于遺傳算法的超限學(xué)習(xí)機(jī)入侵檢測(cè)算法
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 基于GA-ELM的入侵檢測(cè)技術(shù)
        5.3.2 基于OS-ELM的入侵檢測(cè)技術(shù)
        5.3.3 檢測(cè)指標(biāo)
    5.4 本章小節(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
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(xué)報(bào). 2019(10)
[2]智能電網(wǎng)入侵檢測(cè)綜述[J]. 蔣南允,程光.  網(wǎng)絡(luò)空間安全. 2018(01)
[3]一種基于遺傳算法的極限學(xué)習(xí)機(jī)改進(jìn)算法研究[J]. 王新環(huán),劉志超.  軟件導(dǎo)刊. 2017(09)
[4]基于PCA和ELM的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)[J]. 黃思慧,陳萬忠,李晶.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(05)
[5]多層極限學(xué)習(xí)機(jī)在入侵檢測(cè)中的應(yīng)用[J]. 康松林,劉樂,劉楚楚,廖鋟.  計(jì)算機(jī)應(yīng)用. 2015(09)
[6]AMI對(duì)未來電力系統(tǒng)的影響[J]. 張景超,陳卓婭.  電力系統(tǒng)自動(dòng)化. 2010(02)
[7]KDDCup99網(wǎng)絡(luò)入侵檢測(cè)數(shù)據(jù)的分析和預(yù)處理[J]. 王潔松,張小飛.  科技信息(科學(xué)教研). 2008(15)

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



本文編號(hào)：3031023