基于深度學習和云計算的電力信息網入侵檢測研究.pdf

1、隨著電力信息網絡系統(tǒng)的廣泛應用的同時，電力信息系統(tǒng)面臨的信息安全的問題也越發(fā)突出，內部和外部的各種入侵攻擊層出不窮，已成為影響電力系統(tǒng)生產和經營正常運行的重大問題。由于電力系統(tǒng)是國民經濟的基礎設施，決定了其網絡信息安全既具有一般計算機信息安全的特征，更要考慮高安全要求的特征。
　　本文通過分析電力信息網絡面臨的入侵威脅，結合現(xiàn)有的電力信息網絡入侵檢測技術，進行了深入研究和探索工作，主要研究工作及成果如下：
　　1.通過分析電

2、力信息網絡結構，提出了一種基于深度學習和云計算的電力信息網絡入侵檢測模型。該模型結合誤用檢測和異常檢測方法，能夠解決單一誤用檢測模型無法檢測新的攻擊變種問題；同時針對捕獲的海量電力信息網絡數據流，借助深度學習的深層特征提取能力，提取數據流的本質特征屬性，在平臺下快速、準確的進行入侵檢測。
　　2.通過分析電力信息網絡面臨的各種入侵行為，從流量分析和協(xié)議分析基礎上提出了一種基于Hadoop的數據包提取分析方法，該方法通過分析大量捕獲

3、的數據包生成表征數據提高了入侵檢測的正確率。
　　3.特征選擇是影響電力信息網絡入侵檢測好壞的其中一個重要因素，本文通過分析現(xiàn)有特征選擇算法的不足，結合機器學習的最新研究成果，將深度學習算法引入入侵檢測特征選擇中來，提出一種基于spark的自動編碼器特征選擇算法，通過對算法的并行化，使得電力信息入侵檢測系統(tǒng)在特征選擇速度上有顯著提高。
　　4.針對BP網絡作為入侵檢測分類器時的不足，提出了基于DBN優(yōu)化的BP網絡算法，并將該