[发明专利]一种电力无线接入专网异常流量检测方法

权利要求书

1.一种电力无线接入专网异常流量检测方法，其特征在于，包括以下步骤：

S1：在电力无线接入专网场景下，对底层数据流进行采样并导入到OpenFlow控制器中，对数据流进行预处理及标准归一化；

S2：采用卷积神经网络CNN提取时间序列数据特征并转化为维度固定的稠密向量，采用融合注意力机制的CNN单元捕捉时间序列细粒度特征；

S3：将CNN提取的局部特征与长短期记忆网络LSTM提取的序列特征相结合，对电力接入专网流量数据进行异常检测。

2.根据权利要求1所述的一种电力无线接入专网异常流量检测方法，其特征在于，该方法面向电力无线接入专网的异常流量检测，控制服务运行于OpenFlow控制器之上，ATD与无线核心网设备相连接；通过ATD对底层数据流进行采样导入到控制器中，对数据流的异常状态进行动态识别、预警和阻断。

3.根据权利要求1所述的一种电力无线接入专网异常流量检测方法，其特征在于，将电力网络数据输入CNN网络，首先在输入层输入流量数据X_i，以向量化成矩阵；输入长度限制为m，每条流量数据转换成n维向量；最后输出层输出二维矩阵Z＝[W₁,W₂,...W_m]，其中W＝[X_i1,X_i2,...X_in]表示为流量X_i的矩阵。

4.根据权利要求1所述的一种电力无线接入专网异常流量检测方法，其特征在于，在CNN单元中引入一种注意力机制来提高对重要特征的关注，将CNN模块的输出特征与重要特征的输出按元素相乘，由相应的注意机制模块进行输出；样本序列为CNN模块处理后的序列Xⁱ的输出用W_CNN表示，对应的注意力模块的输出用W_attention表示；将两个输出元素相乘，如下所示：

其中，表示元素乘式，i为时间序列在特征层中的对应位置，c表示通道；使用基于注意力机制的卷积神经网络AMCNN的最终特征层输出作为LSTM层的输入。

5.根据权利要求1所述的一种电力无线接入专网异常流量检测方法，其特征在于，在步骤S1中，在完成数据归一化标准处理后，使用两级时间窗口提取样本；第一时间窗记录作为输入序列的当前网络工作状态，第二时间窗记录作为标签预测的未来网络状态；将两个时间窗口设置为长度相等，根据不同时间窗的长度来比较模型的性能。

6.根据权利要求5所述的一种电力无线接入专网异常流量检测方法，其特征在于，该方法具体按如下步骤实现：

1)通过OpenFlows读取电网流量数据，并做归一化、标准化处理；

2)使用两级时间窗口提取样本数据，并输入至CNN单元；

3)将标准训练集数据通过CNN卷积层及最大池化层提取特征；

4)并行注意力机制模型同时与CNN模块进行细粒度特征提取，并输出特征矩阵；

5)通过LSTM网络训练分析特征矩阵，并对下一时间窗口数据进行预测；

6)将LSTM输出的矢量矩阵输入到Dropout层，以防止过拟合。

7.根据权利要求1所述的一种电力无线接入专网异常流量检测方法，其特征在于，在步骤S3中，通过sigmoid函数对全连通层的输出进行处理，得到0-1范围内的结果概率p，并设置阈值对预测结果进行分类。