[发明专利]基于STSA-transformer算法的新型电力系统APT攻击检测方法

权利要求书

1.一种基于STSA-transformer算法的新型电力系统APT攻击检测方法，其特征在于，

基于新型电力系统高比例新能源、高增长负荷、高比例电力电子设备的基本特征，模拟电力系统遭受的网络攻击，从信息侧的数据采集设备收集网络流量数据，并进行整理，作为下一步的输入；

将所述网络流量数据进行预处理；

提出一种软阈值化自注意力机制(STSA)，对时间序列数据之间的相关性进行捕捉，并消除部分冗余信息；

依据所述软阈值化自注意力机制，使用PowerNorm归一化的transformer编码层对输入进行计算，最后通过softmax层将结果进行分类输出；

初始化参数，依据所述通过softmax层将结果进行分类输出搭建模型，对模型进行训练，使用梯度下降法对权值进行更新，作为下一步的输入；

用训练好的模型对新型电力系统的APT攻击进行检测，如果检测结果为正常，则流量可以进行正常操作；如果检测结果为攻击类别，则需要对系统发出警报提醒。

2.如权利要求1所述一种基于STSA-transformer算法的新型电力系统APT攻击检测方法，其特征在于，所述预处理包括离散特征数值化和特征值归一化。

3.如权利要求1所述一种基于STSA-transformer算法的新型电力系统APT攻击检测方法，其特征在于，基于新型电力系统高比例新能源、高增长负荷、高比例电力电子设备的基本特征，模拟电力系统遭受的网络攻击，从信息侧的数据采集设备收集网络流量数据，并进行整理，作为下一步的输入具体包括：

了解新型电力系统基本结构组成，分析新型电力系统基本特征；

对新型电力系统进行模拟网络攻击，在信息侧设备收集长时间范围内的网络流量数据，并按不同阶段进行划分，整理成数据集。

4.如权利要求2所述一种基于STSA-transformer算法的新型电力系统APT攻击检测方法，其特征在于，将所述网络流量数据进行预处理，所述预处理包括离散特征数值化和特征值归一化具体包括：

对数据中的离散型数据进行二进制的独热编码，将其转换为数值型数据；

对所有特征向量进行归一化操作，公式如下所示：

其中，X_max与X_min分别表示原始特征值取值范围上的最大值和最小值，X表示原始特征值，Xn表示归一化之后的特征值。

5.如权利要求1所述一种基于STSA-transformer算法的新型电力系统APT攻击检测方法，其特征在于，所述提出一种软阈值化自注意力机制(STSA)，对时间序列数据之间的相关性进行捕捉，并消除部分冗余信息具体包括：

对数据集的特征向量进行位置编码，保存数据的位置信息，公式如下所示：

PE(pos,2i)＝sin(pos/10000^2i/dmodel)

PE(pos,2i+1)＝cos(pos/10000^2i/dmodel)

其中pos为序列中的位置，d_model为位置信息编码的特征向量的维度，i表示位置信息编码特征向量的第i个元素，编码向量中的奇数位用cos来编码，偶数位用sin来编码；

将原始数据的特征向量与位置编码的结果相加，将结果输入到自注意力层；

初始化三个权重矩阵，将它们分别乘以输入向量，得到Q、K、V三个矩阵，利用这三个矩阵进行多头自注意力的计算，计算公式如下：

其中Q、K、V为三个需要进行权重更新的矩阵，d为特征向量的维度；

将得到的注意力结果输入一个神经网络模块之中，该模块包含全局平均池化层以及两个全连接层，最后通过sigmoid函数将结果输出，与全局平均池化层的结果相乘，得到每一条样本数据的阈值；

根据上述阈值，利用软阈值算法计算公式，对注意力结果进行软阈值操作，保留注意力的重要部分，不重要的部分舍去，并对冗余部分进行消除：