配电系统的攻击识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种配电系统的攻击识别方法、装置、设备及存储介质，方法包括：获取样本数据；统计样本数据中的样本数量以及特征数量，并基于样本数量计算样本数据中各特征的阈值；将各特征的阈值与样本数据中的特征进行比较，得到比较结果，并基于比较结果确定第一攻击识别模型以及第一攻击识别结果；基于样本数量确定样本的权重，并基于样本的权重确定第一攻击识别模型的误差；根据误差、第一攻击识别结果与第一攻击识别模型确定目标攻击识别结果。果。果。

【技术实现步骤摘要】
配电系统的攻击识别方法、装置、设备及存储介质


[0001]本专利技术涉及配电系统领域，具体涉及一种配电系统的攻击识别方法、装置、设备及存储介质。

技术介绍

[0002]配电一次系统是指由发电机、送电线路、变压器、断路器等直接参与发电、输电、变电、配电的设备组成的系统，往往是直观的物理电力系统，而配电二次系统是由继电保护、安全自动控制、系统通讯、调度自动化、分布式(Distributed Control System，缩写DCS)自动控制系统等组成的系统，其中每一个工控系统被称为二次系统的关键节点，其协作运行使二次系统实现操作人员与配电一次系统的联系、监测与常规控制，使配电一次系统能够安全经济地运行，因此配电系统在电力系统中也非常重要，这也导致了当有危险对象想要攻击电力系统时，往往会对配电二次系统的各个关键节点发出攻击行为信号，使配电二次系统出现漏洞，甚至发生崩溃失效等现象，从而进一步攻击配电一次系统，使整个系统瘫痪。
[0003]因此电力系统的安全稳定运行与配电二次系统有密切联系，操作人员与维护人员要对二次系统进行定期维护，运用相应的攻击识别、攻击对抗等维护方法来保证二次系统可以应对外界的攻击。目前由于深度学习各算法的优异效果、广泛适用范围，人们致力于将深度学习中的各种技术应用于攻击识别与对抗中，比如神经网络分类识别器、遗传算法进行攻击学习与识别、以机器学习为原理的数据挖掘与处理算法等等，这些方法侧重于攻击行为数据的处理与分析、特征提取，在进行了一定的行为学习后可以有效准确地对新的攻击或者异常行为进行识别与对抗。但是由于电力攻击的多样性，且专门针对配电系统攻击研究的技术方法较少，许多算法未能有效识别出不同攻击行为的特征类别，进行对应的有效对抗。
[0004]在现有技术中，往往采用单一的数据挖掘算法、神经网络分类分析或者已有的集成分类器进行分类。但是需要历史数据库提供大量的训练样本，否则会导致识别的结果准确性交底。集成分类器则需要通过多次分类的集成结果来实现更加精准的攻击行为的分类识别，达到标记攻击特征的目的，但训练过程比较复杂，效率较低。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种配电系统的攻击识别方法、装置、设备及存储介质，以提高配电系统中识别攻击行为的准确性和效率。
[0006]根据第一方面，本专利技术实施例提供了一种配电系统的攻击识别方法，包括：
[0007]获取样本数据；
[0008]统计所述样本数据中的样本数量以及特征数量，并基于所述样本数量计算所述样本数据中各特征的阈值；
[0009]将所述各特征的阈值与所述样本数据中的特征进行比较，得到比较结果，并基于
所述比较结果确定第一攻击识别模型以及第一攻击识别结果；
[0010]基于所述样本数量确定样本的权重，并基于所述样本的权重确定所述第一攻击识别模型的误差；
[0011]根据所述误差、所述第一攻击识别结果与所述第一攻击识别模型确定目标攻击识别结果。
[0012]本专利技术实施例提供的配电系统的攻击识别方法，首先获取样本数据，根据样本数据中的样本数量与特征数量计算特征的阈值，将阈值与特征进行比较得到比较结果，并根据比较结果得到第一攻击识别结果，计算样本的权重和第一攻击识别模型的误差，基于第一攻击识别结果、误差以及第一攻击识别模型确定目标攻击识别结果。第一攻击识别属于一种弱分类的过程，对弱分类的结果进行集成化处理，并考虑了误差，综合第一攻击识别结果从而得到目标攻击识别结果，该方法无需考虑样本的差异，提升了配电系统中对各节点受到的攻击行为的识别的准确性和效率。
[0013]在一些实施方式中，所述基于所述样本数量计算所述样本数据中各特征的阈值，包括：
[0014]计算样本中各所述特征之和；
[0015]根据所述特征之和与所述样本数量的比值确定各所述特征的阈值。
[0016]在一些实施方式中，所述将所述各特征的阈值与所述样本数据中的特征进行比较，得到比较结果，包括：
[0017]根据所述各特征的阈值，确定阈值集合；
[0018]比较所述阈值集合与特征集合中相同位置的数值是否相同，以得到比较结果。
[0019]在一些实施方式中，所述样本的权重按照如下公式计算得到：
[0020][0021]其中，n表示所述样本数量，w
k
表示第k个样本的权重。
[0022]在一些实施方式中，所述第一攻击识别模型的误差按照如下公式计算得到：
[0023][0024]其中，ε
m
表示所述第一攻击识别模型的误差，n表示所述样本数量，w
k
表示第k个样本的权重，G
m
表示第一攻击识别模型，x
k
表示第k个样本，y
k
表示第k个样本对应的第一攻击识别结果。
[0025]在一些实施方式中，所述根据所述误差、所述第一攻击识别结果与所述第一攻击识别模型确定目标攻击识别结果，包括：
[0026]根据所述误差以及第一攻击识别结果计算所述第一攻击识别模型的权重系数；
[0027]根据所述权重系数、所述第一攻击识别结果以及所述第一攻击识别模型确定目标攻击识别模型；
[0028]基于所述目标攻击识别模型对所述样本数据的处理结果确定目标攻击识别结果。
[0029]在一些实施方式中，所述权重系数按照如下公式计算得到：
[0030][0031]其中，ε
m
表示所述误差，M表示根据所述第一攻击识别结果得到的类别总数，α
m
表示所述权重系数。
[0032]在一些实施方式中，所述目标攻击识别模型按照如下公式计算得到：
[0033][0034]α
m
表示所述权重系数，M表示根据所述第一攻击识别结果得到的类别总数，G
m
表示所述第一攻击识别模型，G表示目标攻击识别模型。
[0035]根据第二方面，本专利技术实施例提供了一种配电系统的攻击识别装置，包括：
[0036]数据获取模块，用于获取样本数据；
[0037]阈值计算模块，用于统计所述样本数据中的样本数量以及各样本包含的特征数量，并基于所述样本数量计算所述样本数据中各特征的阈值；
[0038]第一结果确定模块，用于将所述各特征的阈值与所述样本数据中的特征进行比较，得到比较结果，并基于所述比较结果确定第一攻击识别模型以及第一攻击识别结果；
[0039]误差确定模块，用于基于所述样本数量确定样本的权重，并基于所述样本的权重确定所述第一攻击识别模型的误差；
[0040]第二结果确定模块，用于根据所述误差、所述第一攻击识别结果与所述第一攻击识别模型确定目标攻击识别结果。
[0041]在一些实施方式中，阈值计算模块包括：
[0042]计算单元，用于计算样本中各所述特征之和；
[0043]阈值确定单元，用于根据所述特征之和与所述样本数量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电系统的攻击识别方法，其特征在于，所述方法包括：获取样本数据；统计所述样本数据中的样本数量以及特征数量，并基于所述样本数量计算所述样本数据中各特征的阈值；将所述各特征的阈值与所述样本数据中的特征进行比较，得到比较结果，并基于所述比较结果确定第一攻击识别模型以及第一攻击识别结果；基于所述样本数量确定样本的权重，并基于所述样本的权重确定所述第一攻击识别模型的误差；根据所述误差、所述第一攻击识别结果与所述第一攻击识别模型确定目标攻击识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本数量计算所述样本数据中各特征的阈值，包括：计算样本中各所述特征之和；根据所述特征之和与所述样本数量的比值确定各所述特征的阈值。3.根据权利要求1所述的方法，其特征在于，所述将所述各特征的阈值与所述样本数据中的特征进行比较，得到比较结果，包括：根据所述各特征的阈值，确定阈值集合；比较所述阈值集合与特征集合中相同位置的数值是否相同，以得到比较结果。4.根据权利要求1所述的方法，其特征在于，所述样本的权重按照如下公式计算得到：其中，n表示所述样本数量，w
k
表示第k个样本的权重。5.根据权利要求4所述的方法，其特征在于，所述第一攻击识别模型的误差按照如下公式计算得到：其中，ε
m
表示所述第一攻击识别模型的误差，n表示所述样本数量，w
k
表示第k个样本的权重，G
m
表示第一攻击识别模型，x
k
表示第k个样本，y
k
表示第k个样本对应的第一攻击识别结果。6.根据权利要求1所述的方法，其特征在于，所述根据所述误差、所述第一攻击识别结果与所述第一攻击识别模型确定目标攻击识别结果，包括：根据所述误差以及第一攻击识别结果计算所述第一攻击识别模型的权重系数；根据所述权重系数、所述第一攻击识别结果以及所述第一攻击识别模型确定目标攻击识别模型；基于所述目标攻击识别模型对所述样本数据的处理结果确定目标攻击识别结果。7.根据权利要求6所述的方法，其特征在于，所述权重系数按照如下公式计算得到：
其中，ε
m
表示所述误差，M表示根据所述第一攻击识别结果得到的类别总数，α
m
表示所述权重系数。8.根据权利要求6所述的方法，其特征在于，所述目标攻击识别模型按照如下公式计算得到：α
m
表示所述权重系数，M表示根据所述第一攻击识别结果得到的类别总数，G
m
表示所述第一攻击识别模型，G表示目标攻击识别模型。9.一种配电系统的攻击识别装置，其特征在于，所述装置包括：数据获取模块，用于获取样本数据；阈值计算模块，用于统计所述样本数据中的样本数量以及各样本包含的特征数量，并基于所述样本数量计算所述样本数据中各特征的阈值；第一结果确定模块，用于将所述各特征的阈值与所述样本数据中的特征进行...

【专利技术属性】
技术研发人员：姚启桂，张小建，费稼轩，何阳，王齐，
申请(专利权)人：国网智能电网研究院有限公司，
类型：发明
国别省市：