【技术实现步骤摘要】
本申请涉及单入侵检测模型的构建领域，具体涉及一种入侵检测模型的构建方法、装置及设备。
技术介绍
1、电力物联网是将物联网与智能电网有效融合在一起，通过各式各样的信息传感设备与通信信息技术的结合，通过有关物体相互感知和反馈控制，形成一个智能的电网体系，以此达到电力智能化效果。电力物联网的入侵检测是指通过监测和分析电力物联网系统中的网络流量、设备状态和行为等，识别潜在的安全威胁和入侵行为，并采取相应的措施进行响应和防御。
2、目前常见的电力物联网入侵检测方法和技术是通过监测电力物联网系统中的网络流量，分析数据包的来源、目的地、协议和内容等，识别异常流量和潜在的攻击行为。然而电力物联网系统中的网络流量和设备行为非常复杂，因此入侵检测系统可能会产生较高的误报或错过真正的入侵事件。会导致安全团队需要处理大量的虚警或无法及时发现真实的入侵，降低了入侵检测的可信度和效果。
3、因此，如何提供入侵检测的可信度和效果，是本领域技术人员急需解决的技术问题。
技术实现思路
1、有鉴于此，本申请实施例提供一种入侵检测模型的构建方法、装置、设备，以提供一种新的办电过程中获得电力指数算法模型，从而反馈出现有实际获得电力情况。
2、为解决上述问题，本申请实施例提供的技术方案如下：
3、一种入侵检测模型的构建方法，所述方法包括：
4、组建分布式架构，其中，所述分布式架构为实现电力物联网入侵检测任务并行计算的分布式架构；
5、构建自适应神经网络
6、向所述目标节点分配主被动结合的网络探测及数据感知任务，从而获取电力物联网中所有设备的上下文感知数据；
7、将所述上下文感知数据输入到所述自适应神经网络模型中得到入侵检测模型。
8、在一些可能的实现方式中，所述构建自适应神经网络模型的构建过程包括：
9、获取电力物联网历史入侵检测中的历史流量数据，并将所述历史流量数据划分为训练数据集、测试数据集和验证数据集；
10、利用所述训练数据集、所述测试数据集、所述验证数据集和遗传算法对预先构建好的原始卷积神经网络进行优化得到所述自适应神经网络模型。
11、在一些可能的实现方式中，所述原始卷积神经网络的构建过程包括：
12、构建基础神经网络，所述基础神经网络有七层层结构；
13、对所述基础卷积神经中的层结构随机进行层变异和参数变异；
14、分别对所述基础卷积神经中进行所述层变异和所述参数变异的层结构进行自适应调整得到所述原始卷积神经网络。
15、在一些可能的实现方式中，所述利用训练数据集、测试数据集、验证数据集和遗传算法对预先构建好的原始卷积神经网络进行优化得到所述自适应神经网络模型，包括：
16、对所述原始卷积神经网络进行初始化得到第一卷积神经网络；
17、对所述第一卷积神经网络进行染色体编码得到第二卷积神经网络，并生成所述第二卷积神经网络对应的种群个体；
18、利用所述训练数据集对所述第二卷积神经网络进行训练得到所述原始卷积神经网络的评分值；
19、利用遗传算法对所述种群个体进行n次遗传迭代得到多个遗传神经网络，并计算遗传代数，其中，n为大于或者等于1的正整数；
20、当所述遗传代数满足预设遗传代数且所述评分值满足预设评分值时，选取所述多个遗传神经网络中满足预设条件的遗传神经网络作为第三卷积神经网络；
21、利用所述验证数据集和对所述测试数据集对所述第三卷积神经网络进行超参数调优和测试得到所述自适应神经网络模型。
22、在一些可能的实现方式中，所述向所述目标节点分配主被动结合的网络探测及数据感知任务，从而获取电力物联网中所有设备的上下文感知数据，包括：
23、向所述目标节点配置被动探测任务、主动探测任务和分配数据感知任务，其中，所述主动探测任务已经设定好探测策略及探测周期；
24、对所述目标节点的监控流程进行实时入侵检测得到检测结果；
25、依据所述检测结果为所述目标节点分配所述被动探测任务和所述主动探测任务；
26、在所述依据所述检测结果为所述目标节点分配所述被动探测任务和所述主动探测任务过程中，获取电力物联网中所有设备的上下文感知数据。
27、在一些可能的实现方式中，所述依据所述检测结果为所述目标节点分配所述被动探测任务和所述主动探测任务，包括：
28、当所述检测结果为在当前所述探测周期内识别发现潜在入侵行为时，则提前为所述目标节点分配主动探测任务对电力物联网进行主动探测，并在该次主动探测结束后重置所述探测周期；
29、当所述检测结果为在所述探测周期内未发现潜在入侵行为时，为所述目标节点分配被动探测任务对电力物联网按照所述探测周期进行被动探测。
30、在一些可能的实现方式中，所述将所述上下文感知数据输入到所述自适应神经网络模型中得到入侵检测模型，包括：
31、将所述上下文感知数据进行预处理得到预处理数据，并将所述预处理数据转换为二维图像数据；
32、对所述二维图像数据进行特征提取得到有效特征集；
33、将所述有效特征集输入到所述自适应神经网络模型中得到所述入侵检测模型。
34、一种入侵检测模型的构建装置，所述装置包括：
35、组建单元，用于组建分布式架构，其中，所述分布式架构为实现电力物联网入侵检测任务并行计算的分布式架构；
36、构建部署单元，用于构建自适应神经网络模型，并将所述自适应神经网络模型部署至所述分布式架构的计算节点得到目标节点；
37、第一分配单元，用于向所述目标节点分配主被动结合的网络探测及数据感知任务，从而获取电力物联网中所有设备的上下文感知数据；
38、第一输入单元，用于将所述上下文感知数据输入到所述自适应神经网络模型中得到入侵检测模型。
39、一种入侵检测模型的构建设备，所述设备包括存储器和处理器，所述存储器用于存储程序或代码，所述处理器用于运行所述存储器中存储的程序或代码，以实现如上所述的入侵检测模型的构建方法。
40、一种计算机可读存储介质，所述计算机可读存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现如上所述的入侵检测模型的构建方法。
41、相较于现有技术，本申请具有以下有益效果：
42、本申请提供了一种入侵检测模型的构建方法、装置及设备。具体地，在执行本申请实施例提供的入侵检测模型的构建方法时，首先可以组建分布式架构分布式架构为实现电力物联网入侵检测任务并行计算的分布式架构。接着，构建自适应神经网络模型，并将自适应神经网络模型部署至分布式架构的计算节点得到目标节点。然后向目标节点分配主被动结合的网络探测及数据感知任务，从而获取本文档来自技高网...
【技术保护点】
1.一种入侵检测模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述构建自适应神经网络模型的构建过程包括：
3.根据权利要求2所述方法，其特征在于，所述原始卷积神经网络的构建过程包括：
4.根据权利要求2所述方法，其特征在于，所述利用训练数据集、测试数据集、验证数据集和遗传算法对预先构建好的原始卷积神经网络进行优化得到所述自适应神经网络模型，包括：
5.根据权利要求1所述方法，其特征在于，所述向所述目标节点分配主被动结合的网络探测及数据感知任务，从而获取电力物联网中所有设备的上下文感知数据，包括：
6.根据权利要求5所述方法，其特征在于，所述依据所述检测结果为所述目标节点分配所述被动探测任务和所述主动探测任务，包括：
7.根据权利要求1所述方法，其特征在于，所述将所述上下文感知数据输入到所述自适应神经网络模型中得到入侵检测模型，包括：
8.一种入侵检测模型的构建装置，其特征在于，所述装置包括：
9.一种入侵检测模型的构建设备，其特征在于，所述设备包括
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现如权利要求1-7任一项所述的入侵检测模型的构建方法。
...【技术特征摘要】
1.一种入侵检测模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述构建自适应神经网络模型的构建过程包括：
3.根据权利要求2所述方法，其特征在于，所述原始卷积神经网络的构建过程包括：
4.根据权利要求2所述方法，其特征在于，所述利用训练数据集、测试数据集、验证数据集和遗传算法对预先构建好的原始卷积神经网络进行优化得到所述自适应神经网络模型，包括：
5.根据权利要求1所述方法，其特征在于，所述向所述目标节点分配主被动结合的网络探测及数据感知任务，从而获取电力物联网中所有设备的上下文感知数据，包括：
6.根据权利要求5所述方法，其特征在于，所述依据所述检测结果为所述...
【专利技术属性】
技术研发人员：袁亮，高志超，齐琳，张晓军，胡天洋，
申请(专利权)人：国网汇通金财北京信息科技有限公司，
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。