[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

说明书

本发明公开了一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，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。本发明的有益效果是：能基于Spark框架并行运行BP神经网络提高电力网络安全漏洞检测速度。

技术领域

本发明涉及电力网络安全漏洞检测技术领域，特别涉及一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法。

背景技术

BP神经网络具有高度非线性和较强的泛化能力，由于BP神经网络中的参数众多，每次都需要更新数量较多的阈值和权值，因此存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点，对于复杂问题，BP算法需要的训练时间可能非常长。

现有技术中，关于网络安全评估的较有代表性的方法是故障树分析法、层次分析法、模糊综合评判法和基于贝叶斯、BP神经网络等方法，基于BP神经的网络安全评估方法具有良好的优越性和客观性，但是由于数据量的快速增长，传统的串行数据处理技术无法满足这种需求，需要BP神经网络分布式并行提高检测速度。

例如，一种在中国专利文献上公开的“一种基于改进BP神经网络的风电场短期功率预测方法”，其公告号：CN108256683A，其申请日：2018年01月16日，该发明改进了BP神经网络，利用人工蜂群算法对BP神经网络的权值和阈值进行优化，提高了BP神经网络的收敛速度，解决了BP算法容易陷入局部极小值的缺陷，从而提高了风电场短期功率的预测精度，但是存在不能基于Spark框架并行运行BP神经网络提高电力网络安全漏洞检测速度的问题。

发明内容

针对现有技术不能基于Spark框架并行运行BP神经网络提高电力网络安全漏洞检测速度的不足，本发明提出了一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，能基于Spark框架并行运行BP神经网络提高电力网络安全漏洞检测速度。

以下是本发明的技术方案，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，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。

本方案中，根据电力调度自动化系统获取网络数据信息，根据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，根据评分判断网络数据信息的网络安全级别并进行对应处理，能基于Spark框架并行运行BP神经网络提高电力网络安全漏洞检测速度和检测精度，并根据评分进行对应处理。

作为优选，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。

本方案中，基础数据包括电网模型信息、设备台账信息等变化不大的数据；实时数据包括电压、电流、功率等实时反映电网运行动态的数据；应用数据包括预测计划数据、监控预警数据等数据；环境数据包括天气、地理、经济、人口等数据，用于制定电力调度方案。

作为优选，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。

本方案中，Spark把数据封装进RDD，RDD中有很多块，块也就是Spark缓存管理器装载的基础单位。每个从属节点仅需保留一部分训练集段，如果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。每个从属节点仅需在相同的时间间隔中对其数据进行管理，不需要控制所有数据。这种机制可以使计算程序并行。