一种智能电网中针对高级可持续性威胁的检测方法技术

本发明专利技术提供一种在智能电网中针对高级可持续威胁的检测方法，通过基于深度强化学习的方法，在未知攻击者的攻击间隔时，防御系统将电表数据量总数目和受损的电表数据量数目输入到神经网络，利用神经网络快速提取防御策略的特征，并决策检测时间间隔和数据恢复速率，以提高检测效率。以提高检测效率。以提高检测效率。

【技术实现步骤摘要】
一种智能电网中针对高级可持续性威胁的检测方法


[0001]本专利技术属于智能电网的安全
，特别是涉及一种智能电网中针对高级可持续性威胁的检测方法。

技术介绍

[0002]智能电网存储着大量企业及用户隐私敏感性数据，但网络日益增加的复杂性增加了其对高级持续性威胁等攻击的检测难度。高级可持续性威胁攻击具有隐蔽性，持久性等特点，因此检测尤其困难。
[0003]中国专利CN105871883A针对提出了一种基于恶意操作指令等攻击行为的高级可持续性威胁检测方案，该方案通过设置网卡模式、枚举网络通道、监控文件操作等步骤，提高了检测效率，降低了误报率和漏报率；中国专利CN104283889B提出了一种基于网络架构的检测及预警系统来抵御电力系统内部的高级持续性威胁攻击，该方案建立集用户终端、云平台管理子系统和服务器监控子系统等一体化的检测框架，实现异常日志与事件分析、漏洞挖掘与修复和反向追踪等功能，提高了电力生产系统的安全性和稳定性。然而上述检测方案采用定期检测的方式，难以适应动态复杂的电网环境。此外，最优检测间隔依赖攻击间隔，高级可持续性攻击间隔在动态复杂的电网环境中难以被预知，导致上述方案的攻击检测性能下降。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，为了解决智能电网中的安全问题，针对高级可持续性威胁提供一种基于强化学习的检测方法，在未知攻击间隔时，优化设备检测时间间隔和受损数据恢复速率。
[0005]为解决所述技术问题，本专利技术提供一种智能电网中针对高级可持续性威胁的检测方法，其包括如下的步骤：
[0006]步骤S10，防御系统启动对所有电表数据管理服务器同步进行安全检测和数据恢复，设置相邻两次检测的时间间隔初始值，设置用于恢复检测到受损数据的归一化速率初始值，并形成检测方案集合；初始化首次检测前系统受损数据量、检测次数k和系统可接受的受损电表数据量阈值；
[0007]步骤S11，构建两个深度卷积神经网络，根据所述检测方案集合确定两个深度卷积神经网络的权重参数；
[0008]步骤S12，获得上一检测周期中预定数量的服务器共收集的电表数据，以及所检测到的受损数据量，构建一维检测向量；
[0009]步骤S13，选择预定次数的一维检测向量输入所述两个深度卷积神经网络，获得最新的时间间隔、归一化速率以及状态值函数；
[0010]步骤S14，根据所述最新时间间隔t进行下一次检测，并以所述最新的归一化速率恢复受损的电表数据，并计算效用函数；收集本次检测到的电表数据量，并构建存储最新的
一维检测向量；
[0011]步骤S15，将所述最新的一维检测向量替换步骤S12中的一维检测向量，并重复所述步骤S13和步骤S14，获得最新的状态值函数，并结合所述效用函数、原状态值函数计算获得优势函数；
[0012]步骤S16，对所述优势函数进行求导，分别更新所述两个深度卷积神经网络的权重参数，当判断到本次受损数据量小于系统可接受的受损电表数据量阈值时，则将所述两个深度卷积神经网络的当前的权重参数作为最终的权重参数；否则，进入下一检测周期，流程回至步骤S12。
[0013]优选地，所述步骤S10中进一步包括：
[0014]设置相邻两次检测的时间间隔t不超过电表数据收集的时间间隔T秒，防御系统根据电表数据总量将t均匀量化为N＝3个等级，t∈[nT/N]1≤n≤N
；
[0015]设置归一化速率x∈[0,1]以恢复检测到的被高级可持续性威胁攻击的受损数据，x被均匀量化为K＝5个等级；
[0016]设Ω＝{[t,x]|t∈[nT/N]1≤n≤N
；x∈[l/L]0≤l≤L
}为检测方案集合，|Ω|为检测方案的个数；
[0017]令首次检测前系统受损数据量为0KB,检测次数k∈{1,2,...}，并初始化参数μ∈[0,1],c1∈[0,1],c2∈[1,10]和系统可接受的受损电表数据量阈值为W KB。
[0018]优选地，所述步骤S11进一步包括：
[0019]构造2个深度卷积神经网络，其中，每一深度卷积神经网络的卷积层数量为2，全连接层的数量为3；在每一深度卷积神经网络的第一个卷积层有16个大小为3
×
3的卷积核，第二个卷积层有32个大小为3
×
3的卷积核；
[0020]第一深度卷积神经网络的全连接层的输入神经元个数为F
I
，输出神经元个数和检测方案个数相同，均为|Ω|；
[0021]第二深度卷积神经网络的卷积层结构与第一深度卷积神经网络的卷积层结构相同，第二深度卷积神经网络的全连接层的输入神经元个数为F
I
，输出神经元个数为1；
[0022]基于输入神经元个数F
I
和检测方案个数|Ω|，使用均值为0，方差为的高斯分布初始化第一深度卷积神经网络和第二深度卷积神经网络的权重参数θ
A
和θ
C
。
[0023]优选地，所述步骤S12进一步包括：
[0024]在第k次检测服务器前，计算选取的M个服务器在上周期k
‑
1次共收集的m KB电表数据，防御系统结合k
‑
1次检测到的受损数据量fKB，构建并存储一维检测向量s＝[m,f]。
[0025]优选地，所述步骤S13进一步包括：
[0026]预设一个检测次数的阈值J，当k＜J时，防御系统随机选取最新的扫描时间间隔t和受损数据的恢复速率x；
[0027]当k>J时，防御系统将第J
‑
k
‑
1次到第k次存储的向量s组合得到一个共2J项的向量，记为η，将η同时分别输入到第一深度卷积神经网络和第二深度卷积神经网络，第一深度卷积神经网络输出概率分布π，根据概率分布选择最新的扫描时间间隔t和受损数据的恢复速率x；第二深度卷积神经网络输出状态值函数V(η；θ
C
)。
[0028]优选地，所述步骤S14进一步包括：
[0029]防御系统距离上次检测结束最新的扫描时间间隔t秒后进行第k次检测，并以最新的恢复速率x恢复检测到的f
′
≤fKB受损的电表数据，然后根据以下公式计算效用函数u:
[0030]u＝μ(m
‑
f
′
+xe
‑
t
f
′
)+c1t
‑
c2x
[0031]在第k次检测结束后，服务器中根据本次周期内所收集的m'KB的电表数据量，构建存储一个最新的一维向量s
′
＝[m
′
,f
′
]。
[0032]优选地，所述步骤S15进一步包括：
[0033]令s＝s
′
，重复步骤S13和步骤S14后，获得第二深度卷积神经网络输出V(η
′
；θ
...

【技术保护点】

【技术特征摘要】
1.一种智能电网中针对高级可持续性威胁的检测方法，其特征在于，包括如下的步骤：步骤S10，防御系统启动对所有电表数据管理服务器同步进行安全检测和数据恢复，设置相邻两次检测的时间间隔初始值，设置用于恢复检测到受损数据的归一化速率初始值，并形成检测方案集合；初始化首次检测前系统受损数据量、检测次数k和系统可接受的受损电表数据量阈值；步骤S11，构建两个深度卷积神经网络，根据所述检测方案集合确定两个深度卷积神经网络的权重参数；步骤S12，获得上一检测周期中预定数量的服务器共收集的电表数据，以及所检测到的受损数据量，构建一维检测向量；步骤S13，选择预定次数的一维检测向量输入所述两个深度卷积神经网络，获得最新的时间间隔、归一化速率以及状态值函数；步骤S14，根据所述最新时间间隔t进行下一次检测，并以所述最新的归一化速率恢复受损的电表数据，并计算效用函数；收集本次检测到的电表数据量，并构建存储最新的一维检测向量；步骤S15，将所述最新的一维检测向量替换步骤S12中的一维检测向量，并重复所述步骤S13和步骤S14，获得最新的状态值函数，并结合所述效用函数、原状态值函数计算获得优势函数；步骤S16，对所述优势函数进行求导，分别更新所述两个深度卷积神经网络的权重参数，当判断到本次受损数据量小于系统可接受的受损电表数据量阈值时，则将所述两个深度卷积神经网络的当前的权重参数作为最终的权重参数；否则，进入下一检测周期，流程回至步骤S12。2.如权利要求1所述的方法，其特征在于，所述步骤S10中进一步包括：设置相邻两次检测的时间间隔t不超过电表数据收集的时间间隔T秒，防御系统根据电表数据总量将t均匀量化为N＝3个等级，t∈[nT/N]
1≤n≤N
；设置归一化速率x∈[0,1]以恢复检测到的被高级可持续性威胁攻击的受损数据，x被均匀量化为K＝5个等级；设Ω＝{[t,x]|t∈[nT/N]
1≤n≤N
；x∈[l/L]
0≤l≤L
}为检测方案集合，|Ω|为检测方案的个数；令首次检测前系统受损数据量为0KB,检测次数k∈{1,2,...}，并初始化参数μ∈[0,1],c1∈[0,1],c2∈[1,10]和系统可接受的受损电表数据量阈值为W KB。3.如权利要求2所述的方法，其特征在于，所述步骤S11进一步包括：构造2个深度卷积神经网络，其中，每一深度卷积神经网络的卷积层数量为2，全连接层的数量为3；在每一深度卷积神经网络的第一个卷积层有16个大小为3
×
3的卷积核，第二个卷积层有32个大小为3
×
3的卷积核；第一深度卷积神经网络的全连接层的输入神经元个数为F
I
，输出神经元个数和检测方案个数相同，均为|Ω|；第二深度卷积神经网络的卷积层结构与第一深度卷积神经网络的卷积层结构相同，第二深度卷积神经网络的全连接层的输入神经元个数为F
I
，输出神经元个数为1；
基于输入神经元个数F
...

【专利技术属性】
技术研发人员：邓巍，李鸿雁，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：