[发明专利]一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法

权利要求书

1.一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，包括以下步骤：

S1：基于电力调度自动化系统获取网络数据信息；

S2：基于Spark框架构建并行神经网络，基于并行BP神经网络训练网络数据信息并输出评分；

S3：基于评分判断网络数据信息的网络安全级别并进行对应处理。

2.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，网络数据信息包括基础数据、实时数据、应用数据和环境数据。

3.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，每个从属节点保留一部分训练集段，若从属节点有足够的记忆体，则会将其缓存至从程式码和磁碟，每个从属节点在相同的时间间隔中管理自身数据。

4.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，存储类型包括内存、磁盘和内存磁盘组合，内存磁盘组合时优先缓存在内存中，内存空间不够则缓存在硬盘中。

5.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，BP神经网络通过控制算法实现其结构内数据的反向传递，用来调节BP神经网络的加权和阀值，包括以下步骤：

S21：初始化BP神经网络及参数，通过BP神经网络向Hadoop分布式文件系统传输数据；

S22：将Tornado配置到主要节点；

S23：通过对HDFS数据的读出和处理，得到BP神经网络的特征和标记；

S24：对BP神经网络进行暂时性的训练；

S25：利用BP神经网络学习服务器的数据处理进程，训练后向Tornado服务器上传加权和临界值，服务器将权值和门限广播给各个子结点，各子结点分别接受权值和门限，重复次数小于预定数量时重复次数加一，然后执行步骤S24，否则，执行步骤S26；

S26：程序终止，输出评分。

6.根据权利要求5所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，步骤S24中，暂时性训练BP神经网络的步骤如下：

S241：将网络数据信息进行混合；

S242：将网络数据信息顺序中断；

S243：根据工作结点数量把网络数据信息分成若干个RDD。

7.根据权利要求6所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，步骤S243中根据工作结点数量把网络数据信息分成若干个RDD的方法为：每个工作节点对应8个RDD，网络数据信息划分为工作节点的数量乘以8个RDD。

8.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，网络安全级别包括高、一般、差和很差，

其中，评分大于或等于0.9，网络安全级别为高；评分大于或等于0.8且小于0.9，网络安全级别为一般；评分大于或等于0.6且小于0.8，网络安全级别为差；评分小于0.6，网络安全级别为很差。

9.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，匹配评分和网络安全级别得到网络数据信息的网络安全级别，不同的网络安全级别进行不同处理：网络安全级别为高时，预警模块记录检测时间；网络安全级别为一般时，预警模块记录检测时间并备份网络数据信息；网络安全级别为差时，预警模块记录检测时间，封堵网络数据信息的端口并调用短信接口通知操作员；网络安全级别为很差时，预警模块记录检测时间，封堵网络数据信息的端口并调用短信接口通知操作员，同时将网络数据信息来源网络移出安全区子网。