System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电力,具体涉及一种电力信息网络安全态势评估方法及装置。
技术介绍
1、电力系统是现代社会的关键性基础设施。在信息与通信技术深度融合的电力信息物理系统中(cyberphysicalsystem,cps),信息通信系统异常、大规模不确定对象的网络攻击以及内部人员违规操作引发电网运行控制可靠性降低已成为亟待解决的常态问题。从信息侧实施的针对电力cps的恶意网络攻击,可突破两侧防护措施造成信息系统监视功能闭锁和物理系统多点协同破坏失效,极易形成类似严重自然灾害的群发性故障,触发连锁故障大停电。因此,电力信息网络安全即为重要。现有的电力信息网络的开放性、多样性、不确定性导致电力信息网络安全面临巨大的挑战,因此准确预测、感知、评估电力信息网络安全态势对确保电力系统安全稳定运行具有重要意义。
2、相关技术中,电力信息网络安全态势评估需要处理海量数据,不同数据之间存在较大差异,导致对安全态势评估不够准确。
技术实现思路
1、有鉴于此,本专利技术的目的在于克服现有技术的不足,提供一种电力信息网络安全态势评估方法及装置,以解决现有技术中不同数据之间差异大,导致安全态势评估不够准确的问题。
2、为实现以上目的,本专利技术采用如下技术方案:一种电力信息网络安全态势评估方法,包括:
3、获取安全态势评估数据;
4、对所述安全态势评估数据进行聚类分析,得到多个分类数据集;
5、利用多个所述分类数据集优化rbf神经网络参数,得到多个分类数
6、将待评估数据根据分类输入至相应的rbf神经网络模型,得到网络安全态势评估结果。
7、进一步的,所述获取安全态势评估数据,包括:
8、构建网络安全态势指标;所述网络安全态势指标包括用户数据包协议、因特网控制消息协议、传输控制协议、攻击频率、攻击数量、流量变化率、攻击威胁等级;
9、基于所述网络安全态势指标建立安全态势评估指标体系;
10、基于所述安全态势评估指标体系以预设时间间隔采集安全态势评估数据。
11、进一步的,对所述安全态势评估数据进行聚类分析,得到多个分类数据集,包括:
12、确定安全态势评估数据的聚类中心判定参数;
13、按照所述聚类中心判定参数对安全态势评估数据进行降序排列,选取前预设个数的数据为聚类中心;
14、计算所述安全态势评估数据中其他数据与所述聚类中心的距离,将数据分类到距离最近的聚类中心所在类,得到分类数据。
15、进一步的,根据分类数据计算分类的聚类准确率评价指标,根据所述聚类准确率评价指标的大小确定聚类效果。
16、进一步的,所述利用多个所述分类数据集优化rbf神经网络参数,包括:
17、采用idpc算法对预构建的标准rbf神经网络模型进行迭代优化;
18、当模型收敛或达到预设迭代次数时,输出rbf神经网络最优参数。
19、进一步的,所述标准rbf神经网络包括:输入层、隐含层和输出层;所述标准rbf神经网络模型的目标函数为
20、
21、其中,y为模型输出矩阵;ym为rbf神经网络输出层第m层输出值;ω为矩阵φ内第i行第j列对应的元素值;m为输出层层数;hq为rbf神经网络隐含层第q层输出值。
22、进一步的,所述网络安全态势评估结果,包括:
23、第一安全等级、第二安全等级、第三安全等级、第四安全等级以及第五安全等级;
24、所述第一安全等级为安全,所述第二安全等级为轻度危险,所述第三安全等级为一般危险,所述第四安全等级为中度危险,所述第五安全等级为高度危险。
25、进一步的,对所述安全态势评估数据进行聚类分析之后,还包括:
26、对聚类分析后的安全态势评估数据进行归一化处理,得到分类数据集。
27、本申请实施例提供一种电力信息网络安全态势评估装置,包括:
28、获取模块,用于获取安全态势评估数据;
29、聚类模块,用于对所述安全态势评估数据进行聚类分析,得到多个分类数据集;
30、优化模块,用于利用多个所述分类数据集优化rbf神经网络参数,得到多个分类数据集对应的rbf神经网络模型;
31、评估模块,用于将待评估数据根据分类输入至相应的rbf神经网络模型,得到网络安全态势评估结果。
32、本申请实施例提供一种计算机设备,包括:存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任一项电力信息网络安全态势评估方法的步骤。
33、本专利技术采用以上技术方案,能够达到的有益效果:
34、本申请首先获取安全态势评估数据,对安全态势评估数据进行聚类,得到分类数据集,利用分类数据集优化rbf神经网络参数,得到rbf神经网络优化参数,从而得到多个分类的rbf神经网络模型,在得到待评估数据后就可以输入至相应的rbf神经网络模型,得到网络安全态势评估结果。本申请针对安全态势评估数据之间差异较大的问题,对数据进行分类处理,得到相应的rbf神经网络模型,使得网络安全态势评估精度更高。
本文档来自技高网...【技术保护点】
1.一种电力信息网络安全态势评估方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取安全态势评估数据,包括:
3.根据权利要求2所述的方法,其特征在于,对所述安全态势评估数据进行聚类分析,得到多个分类数据集,包括:
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求1所述的方法,其特征在于,所述利用多个所述分类数据集优化RBF神经网络参数,包括:
6.根据权利要求5所述的方法,其特征在于,
7.根据权利要求1所述的方法,其特征在于,所述网络安全态势评估结果,包括:
8.根据权利要求1所述的方法,其特征在于,对所述安全态势评估数据进行聚类分析之后,还包括:
9.一种电力信息网络安全态势评估装置,其特征在于,包括:
10.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至8中任一项所述电力信息网络安全态势评估方法及装置。
【技术特征摘要】
1.一种电力信息网络安全态势评估方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取安全态势评估数据,包括:
3.根据权利要求2所述的方法,其特征在于,对所述安全态势评估数据进行聚类分析,得到多个分类数据集,包括:
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求1所述的方法,其特征在于,所述利用多个所述分类数据集优化rbf神经网络参数,包括:
6.根据权利要求5所述的方法,其特征在...
【专利技术属性】
技术研发人员:杜景琦,代丞境,李超,
申请(专利权)人:中电长城网际系统应用有限公司,
类型:发明
国别省市:
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。