[发明专利]配用电通信网络的网络入侵检测方法、装置及存储介质有效
申请号: | 202010283967.0 | 申请日: | 2020-04-13 |
公开(公告)号: | CN111478913B | 公开(公告)日: | 2022-01-21 |
发明(设计)人: | 翟柱新;邹钟璐;黄贺平;陈皓宁 | 申请(专利权)人: | 广东电网有限责任公司东莞供电局 |
主分类号: | H04L9/40 | 分类号: | H04L9/40;G06N3/04;G06N3/08;G06Q50/06;G06Q50/30 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 523000 *** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用电 通信 网络 入侵 检测 方法 装置 存储 介质 | ||
1.一种配用电通信网络的网络入侵检测方法,其特征在于,包括:
步骤a)获取历史通信数据,并对所述历史通信数据进行预处理,所述历史通信数据包括通信信息的属性数据和通信入侵行为数据;
步骤b)基于双向搜索,从所述通信信息的属性数据中筛选得到所述特征集合,其中,所述特征集合包括至少两个属性特征,所述双向搜索是一种图的遍历算法,用于在有向图中搜索从一个顶点到另一个顶点的最短路径,所述算法同时运行两个搜索:一个从初始状态正向搜索,另一个从目标状态反向搜索,当两者在中间汇合时搜索停止;
步骤c)基于神经网络算法,对学习器进行改进;
步骤d)当所述学习器和所述特征集合满足收敛性判定时,将所述学习器和所述特征集合输出,进行网络入侵的实时检测。
2.根据权利要求1所述的方法,其特征在于,所述步骤c)包括:
基于神经网络算法,利用所述特征集合和所述通信入侵行为数据,对所述学习器进行训练。
3.根据权利要求1所述的方法,其特征在于,在所述步骤c)后,还包括:
判断所述学习器是否满足收敛性判定;
若所述学习器不满足收敛性判定,则返回执行步骤c);若所述学习器满足收敛性判定,则判断所述特征集合是否满足收敛性判定;
若所述特征集合不满足收敛性判定,则返回执行步骤b);若所述特征集合满足收敛性判定,则继续执行步骤d)。
4.根据权利要求3所述的方法,其特征在于,所述判断所述学习器是否满足收敛性判定包括:
判断所述学习器的输出误差是否小于或者等于所述学习器的允许误差;
当所述学习器的输出误差大于所述学习器的允许误差时,所述学习器不满足收敛性判定;当所述学习器的输出误差小于或者等于所述学习器的允许误差时,所述学习器满足收敛性判定。
5.根据权利要求3所述的方法,其特征在于,所述判断所述特征集合是否满足收敛性判定包括:
判断所述特征集合的输出误差是否小于或者等于所述特征集合的允许误差;
当所述特征集合的输出误差大于所述特征集合的允许误差时,所述特征集合不满足收敛性判定;当所述特征集合的输出误差小于或者等于所述特征集合的允许误差时,所述特征集合满足收敛性判定。
6.一种配用电通信网络的网络入侵检测装置,其特征在于,包括:数据预处理模块、特征确定模块、学习器训练模块、判定模块和检测模块;所述数据预处理模块用于执行步骤a),所述特征确定模块用于执行步骤b),所述学习器训练模块用于执行步骤c),所述判定模块和所述检测模块用于执行步骤d);其中,步骤a)-步骤d)包括:
步骤a)获取历史通信数据,并对所述历史通信数据进行预处理,所述历史通信数据包括通信信息的属性数据和通信入侵行为数据;
步骤b)基于双向搜索,从所述通信信息的属性数据中筛选得到所述特征集合,其中,所述特征集合包括至少两个属性特征,所述双向搜索是一种图的遍历算法,用于在有向图中搜索从一个顶点到另一个顶点的最短路径,所述算法同时运行两个搜索:一个从初始状态正向搜索,另一个从目标状态反向搜索,当两者在中间汇合时搜索停止;
步骤c)基于神经网络算法,对学习器进行改进;
步骤d)当所述学习器和所述特征集合满足收敛性判定时,将所述学习器和所述特征集合输出,进行网络入侵的实时检测。
7.一种配用电通信网络的网络入侵检测装置,其特征在于,包括:处理器,所述处理器用于在执行计算机程序时实现如权利要求1-5中任一所述的配用电通信网络的网络入侵检测方法。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的配用电通信网络的网络入侵检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司东莞供电局,未经广东电网有限责任公司东莞供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010283967.0/1.html,转载请声明来源钻瓜专利网。