智能電網(wǎng)將計算機網(wǎng)絡(luò)與傳統(tǒng)電力系統(tǒng)相融合,實現(xiàn)了電網(wǎng)的智能化。高級量測體系A(chǔ)MI將電力系統(tǒng)與用戶端互聯(lián),實現(xiàn)供電方與用戶的數(shù)據(jù)信息雙向交互,推動了智能電網(wǎng)的發(fā)展,所以AMI系統(tǒng)的安全運行是智能電網(wǎng)發(fā)展的關(guān)鍵。隨著智能電網(wǎng)與計算機網(wǎng)絡(luò)的聯(lián)系越來越緊密,AMI系統(tǒng)受到的網(wǎng)絡(luò)攻擊不斷增加。但目前AMI系統(tǒng)中的安全防御技術(shù)仍為以協(xié)議、加密等為代表的被動防御技術(shù),無法抵御未知網(wǎng)絡(luò)攻擊的入侵。其次,AMI系統(tǒng)中設(shè)備處于易暴露節(jié)點的終端位置,存儲空間有限,部署入侵檢測設(shè)備成本高。以入侵檢測為代表的主動防御技術(shù)已成為AMI安全防御的重要屏障,當前基于機器學(xué)習(xí)的AMI入侵檢測算法不斷被提出,機器學(xué)習(xí)算法針對小樣本數(shù)據(jù)有較好的學(xué)習(xí)和分類能力,但面對海量高維數(shù)據(jù)信息時,機器學(xué)習(xí)算法的學(xué)習(xí)能力降低,泛化能力降低。本文針對AMI入侵檢測過程中存在的上述問題展開研究。⑴針對傳統(tǒng)機器學(xué)習(xí)算法對高維數(shù)據(jù)檢測識別效果不佳的問題,提出改進的在線學(xué)習(xí)機AMI入侵檢測算法DBN-OS-RKELM。本文算法將采集到的歷史網(wǎng)絡(luò)日志數(shù)據(jù)通過深度信念網(wǎng)絡(luò)DBN進行特征提取,將高維數(shù)據(jù)以低維形式表示,保留主要特征,剔除冗余特征。將提取...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 入侵檢測技術(shù)國內(nèi)外研究現(xiàn)狀
        1.2.2 AMI入侵檢測技術(shù)國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容及章節(jié)安排
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文章節(jié)安排
    1.4 本章小結(jié)
2 智能電網(wǎng)AMI入侵檢測相關(guān)技術(shù)
    2.1 高級量測體系概述
    2.2 AMI通信網(wǎng)絡(luò)
    2.3 AMI的安全需求
    2.4 AMI中常用入侵檢測技術(shù)
    2.5 數(shù)據(jù)集的概述
        2.5.1 AMI攻擊類型特點
        2.5.2 NSL-KDD數(shù)據(jù)集介紹
    2.6 實驗評價指標
    2.7 本章小結(jié)
3 基于改進的在線序列極限學(xué)習(xí)機的AMI入侵檢測方法
    3.1 深度信念網(wǎng)絡(luò)理論
        3.1.1 深度信念網(wǎng)絡(luò)
        3.1.2 受限玻爾茲曼機(RBM)
        3.1.3 BP權(quán)值微調(diào)
        3.1.4 深度信念網(wǎng)絡(luò)網(wǎng)絡(luò)深度確定
    3.2 極限學(xué)習(xí)機原理
        3.2.1 極限學(xué)習(xí)機(ELM)
        3.2.2 正則化極限學(xué)習(xí)機(RELM)
        3.2.3 在線極限學(xué)習(xí)(OS-ELM)
        3.2.4 核極限學(xué)習(xí)機(KELM)
    3.3 改進的在線極限學(xué)習(xí)機算法
        3.3.1 在線簡化核極限學(xué)習(xí)機(OS-RKELM)
        3.3.2 改進的在線學(xué)習(xí)機算法入侵檢測框架
    3.4 實驗研究
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 DBN網(wǎng)絡(luò)深度確定
        3.4.3 實驗參數(shù)設(shè)計
        3.4.4 實驗結(jié)果分析
    3.5 本章小結(jié)
4 基于改進的廣義回歸神經(jīng)網(wǎng)絡(luò)的AMI入侵檢測方法
    4.1 廣義回歸神經(jīng)網(wǎng)絡(luò)概述
        4.1.1 GRNN的網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.2 GRNN基本理論
    4.2 改進的廣義回歸神經(jīng)網(wǎng)絡(luò)算法
        4.2.1 果蠅算法(FOA)優(yōu)化GRNN網(wǎng)絡(luò)
        4.2.2 改進的廣義回歸神經(jīng)網(wǎng)絡(luò)算法框架
    4.3 實驗研究
        4.3.1 實驗參數(shù)設(shè)計
        4.3.2 實驗結(jié)果分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3936402