This invention provides a method of anomaly detection, intelligent substation communication network based on multidimensional entropy sequence classification including: network traffic data sampling, according to the content of the sample according to the statistical principles of constructing multidimensional entropy detection vector, and the multidimensional entropy detection vector entropy according to time window estimation; determine the information entropy and information entropy model to collect itemsets edge based on the value of weight based on; according to the set mode and boundary value weight, construct a time series graph entropy estimation based on frequent itemsets; according to the degree of the model is divided into normal flow and abnormal flow pattern set set mode, and mark the abnormal traffic itemset; detection abnormal trend anomaly items frequent pattern level; the current running status of network judgment based on abnormal state trend detection results, evaluation of network health. The invention can effectively improve the detection efficiency and the detection accuracy, and improve the integrity and accuracy of the anomaly detection of the intelligent substation communication network.
【技术实现步骤摘要】
本专利技术涉及一种网络异常检测方法,具体涉及一种基于多维熵序列分类的智能变电站通信网络异常检测方法。
技术介绍
二次设备网络化是智能变电站的重要特点之一,通信网络的健康状况将直接影响整个智能变电站的安全稳定运行状况。通信网络管理中最为关键的一环在于实时、准确地对网络运行情况进行分析和监测,发现其中存在的安全隐患,以便及时制定相应的策略对网络潜在问题进行响应。智能变电站中多采用网络报文记录与分析装置对通信网络进行实现监控,但现有装置在功能设置上多偏重于对各类报文的实时监听和采集记录,缺乏对网络整体运行状况的分析和判断方法,既不能在网络流量发生变化时及时感知异常状况并发出预警,也无法通过采集数据信息展示网络流量行为特点,为调整网络规划、优化网络资源配置、保证网络高效运行提供依据。
技术实现思路
本专利技术针对智能变电站通信网络异常检测分析手段不足的现状,提供一种基于多维熵序列分类的智能变电站通信网络异常检测方法,该方法利用统计学的思想,通过熵值计算度量网络流量数据在取值空间上的分布,通过分布变化对比的情况来判断网络中是否存在异常,不仅提高了网络异常检测的精度和效率,而且可及时提醒工作人员对通信网络潜在的变化趋势做出判断和干预,提高了变电站通信网络的管理能力和应急响应能力,保证通信网络正常运行的安全性和稳定性。本专利技术的目的是采用下述技术方案实现的:一种基于多维熵序列分类的智能变电站通信网络异常检测方法, ...
【技术保护点】
一种基于多维熵序列分类的智能变电站通信网络异常检测方法,其特征在于,所述方法包括下述步骤:网络流量数据采样,根据采样内容按照统计原则构造多维熵检测向量,并对多维熵检测向量按时间窗口进行熵值估算;确定基于信息熵搜集项集模式和基于信息熵的边值权重;根据所述项集模式和边值权重,以项集模式为点,边值权重为边构建基于熵值估算的时间序列图;按频繁程度将项集模式分为正常流量项集模式和异常流量项集模式,并标记异常流量项集模式;检测出现异常流量项集模式频繁程度的异常状态变化趋势;根据异常状态变化趋势所检测的结果判断当前网络的运行状态,评估网络的健康状况。
【技术特征摘要】
1.一种基于多维熵序列分类的智能变电站通信网络异常检测方法,其特征在于,所述方
法包括下述步骤:
网络流量数据采样,根据采样内容按照统计原则构造多维熵检测向量,并对多维熵检测
向量按时间窗口进行熵值估算;
确定基于信息熵搜集项集模式和基于信息熵的边值权重;
根据所述项集模式和边值权重,以项集模式为点,边值权重为边构建基于熵值估算的时
间序列图;
按频繁程度将项集模式分为正常流量项集模式和异常流量项集模式,并标记异常流量项
集模式;
检测出现异常流量项集模式频繁程度的异常状态变化趋势;
根据异常状态变化趋势所检测的结果判断当前网络的运行状态,评估网络的健康状况。
2.如权利要求1所述的智能变电站通信网络异常检测方法,其特征在于,所述多维熵检
测向量包括源IP维向量、目的IP维向量、源端口维向量、目的端口维向量和IP包长度维向
量。
3.如权利要求1所述的智能变电站通信网络异常检测方法,其特征在于,所述项集模式
指的是基于信息熵的不同取值等级组合构成不同的模式;在信息熵估算的基础上搜集检测向
量的项集模式,并计算项集模式之间的边值权重;所述边值权重反映一条边上两个项集模式
信息熵值在两个端点信息熵取值时间点上的相似度。
4.如权利要求1所述的智能变电站...
【专利技术属性】
技术研发人员:陈翔宇,曹楠,侯鹏,王冬青,申仲涛,李冰,刘润花,马晓光,唐志军,林国栋,翟博龙,陈锦山,
申请(专利权)人:国家电网公司,南京南瑞集团公司,国网福建省电力有限公司,国网福建省电力有限公司电力科学研究院,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。