[发明专利]基于改进SVM的电力企业信息系统异常检测方案的优化方法

说明书

本发明公开了电力信息系统技术领域的基于改进SVM的电力企业信息系统异常检测方案的优化方法，具体步骤如下，先了解SVM算法原理，然后构建网络性能指标模型，接着进行核函数的选择及参数优化，最后进行置信区间的确定；本发明通过针对被动检测方法的缺点进行改进，提出采用SVM机制参与到性能评价过程中，实现了对基线参数的实时动态调整，同时利用训练残差的方法辅助确定网络性能指标的置信区间，从而提高了阈值计算的可靠性和精确性。

技术领域

本发明涉及电力信息系统技术领域，具体涉及基于改进SVM的电力企业信息系统异常检测方案的优化方法。

背景技术

随着我国进入了大数据时代以来，我国各类型企业的发展速度陡然提高，其中电力企业的业务规模也出现了大幅增加。国家电网公司由于各分部、省公司在资源配置方面差异较大，使得大规模数据协调处理的复杂度呈几何级数上升，系统异常出现的概率大幅度增加，且故障排查效率相对低下，对信息系统的正常运行构成了严重的影响，因此必须采取有效措施，对网络性能异常进行精确快速的监测。

目前网络异常检测技术已经研究出多种技术成果。如Roy提出了提高检测技术鲁棒性的设计思路，指出流量规模在一定范围内的突变，不应当作为明确的异常指征，而仅可以作为参考标准；Jun Jiang等人提出了网络性能检测的预判概念，采用预测算法对当前的网络性能波动进行计算，一定程度上实现了对异常情况的提前判定；Amon Goldman等人将网络性能指标的变化数据用统计学中的迭代统计算法进行分析，实现了动态调节性能指标阈值的目标；以上检测方法均为被动统计方法，存在滞后程度较高的问题，而网络性能监控却需要将实时性作为首要指标，因此这些方法均不能实现对当前大规模网络的及时调控。

主动监控技术将原先针对某区域的总流量变化进行监控的方法，转变为针对区域内预设的一系列性能参数的异常变化进行检测和分析，即以网络区域内是否出现了相关类型的异常点为依据，判定当前该区域内是否出现了对应的问题。在该类型的检测过程中，主要依据两个重要的参数来进行判定，其分别为基线和阈值。基线是指网络在通信过程中的性能基础值，反应网络在不同环境下的平均性能，而阈值则是以基线为中心动态调整的，指明了某一时间段内网络性能波动的正常范围。基于此，本发明设计了基于改进SVM的电力企业信息系统异常检测方案的优化方法，以解决上述问题。

发明内容

本发明的目的在于提供基于改进SVM的电力企业信息系统异常检测方案的优化方法，以解决上述背景技术中提出的目前在被动检测方法上存在缺点的问题。

为实现上述目的，本发明提供如下技术方案：基于改进SVM的电力企业信息系统异常检测方案的优化方法，具体步骤如下：

第一步，了解SVM算法原理

支持向量机SVM的基本算法流程如下

首先根据分析对象特征设定初始样本群体{x_i，y_j}，i，j＝1，2，… n；x_i与y_j分别为算法的n维输入量和输出量；

式(1)给出了SVM算法的基本函数形式

上式中(·)为算法的特征映射函数，将其视为被测对象的回归函数，将式(1)表述为

式(1)中的||ω||²为复杂度参数，用以描述f(·)的复杂度；C为惩罚系数，用以设定算法对错误分类的惩罚程度，从而提高全局最优解的存在概率；为经验风险值，用来描述算法分类结果与真实结果之间的差值，其中ε为不灵敏损失函数，其作用等价于算法中的松弛变量，用以清除真实值在某范围内的误差，其满足式(3)

|y-f(x)|_ε＝max{0,|y-f(x)|-ε} (3)