【技术实现步骤摘要】
一种源网荷互动工控系统的异常指令检测方法
本专利技术属于电力系统信息安全检测与防御
,涉及电网工控系统，为一种基于双向长短期记忆神经网络的源网荷互动工控系统的异常指令检测方法。
技术介绍
全球能源互联网战略的提出促使电网互联的规模不断扩大、信息通信技术在电网中应用程度逐渐加深，随之而来的是电网工控系统遭受安全威胁逐渐加大。与传统电网工控系统相比，源网荷互动工控系统由于需要与用户侧进行更加频繁的互动，调度工作的任务量也越来越多，导致面临的网络安全威胁也进一步加大。一旦该系统因为遭受恶意攻击导致操作指令被篡改或者工作人员输入错误的操作指令都有可能出现安全隐患，终将导致电网工控系统无法正常运转甚至出现严重的电网安全事故。在源网荷互动工控系统中，调度任务往往需要通过一系列的操作指令来完成。而操作指令的执行具有一定的时序性，从单一指令无法判断是否出现异常指令，需要同时考虑指令本身及指令的执行顺序，称之为具有序列化特征。相同的操作指令集，不同的组合顺序将会产生截然不同的结果。目前，处理具有序列化特征数据的各类模型中，以循环神经网络(RecurrentNeuralNetw...
【技术保护点】
1.一种源网荷互动工控系统的异常指令检测方法,其特征是包括以下步骤：1)采用机器学习开源框架构建基于双向长短期记忆神经网络的源网荷互动工控系统异常指令检测模型，以源网荷工控系统的指令序列为双向长短期记忆神经网络的输入层，输出层为检测出的指令性质；对于隐藏层，采用ReLU函数作为激活函数构建前后向循环神经网络模块，用于分别提取当前指令的前后向指令序列信息；对于前后向循环神经网络模块的输出，采用门控思想构建前后向输出选择模块，根据当前指令的前后文序列关系，筛选出前后向指令序列中的重要信息，根据前后向输出选择模块筛选出的前后向循环神经网络的输出状态，综合判定当前指令是否为异常指令...
【技术特征摘要】
1.一种源网荷互动工控系统的异常指令检测方法,其特征是包括以下步骤：1)采用机器学习开源框架构建基于双向长短期记忆神经网络的源网荷互动工控系统异常指令检测模型，以源网荷工控系统的指令序列为双向长短期记忆神经网络的输入层，输出层为检测出的指令性质；对于隐藏层，采用ReLU函数作为激活函数构建前后向循环神经网络模块，用于分别提取当前指令的前后向指令序列信息；对于前后向循环神经网络模块的输出，采用门控思想构建前后向输出选择模块，根据当前指令的前后文序列关系，筛选出前后向指令序列中的重要信息，根据前后向输出选择模块筛选出的前后向循环神经网络的输出状态，综合判定当前指令是否为异常指令，即输出层输出结果；2)对于1)得到的检测模型，首先基于人工标记的指令序列训练数据集，对模型进行初始化训练；3)以初始训练生成的检测模型作为异常指令检测分类器分别下发给各级操作单元的指令异常分析模块；4)源网荷互动工控系统中各级操作单元接收到操作指令序列后，首先通过异常指令检测分类器进行指令异常检测，若为正常指令，则执行相关的指令动作，若发现异常，则执行相关的紧急处理措施，并上报异常信息。2.根据权利要求1所述的源网荷互动工控系统的异常指令检测方法,其特征是步骤4)之后进一步设有以下步骤：5)基于反馈的异常信息，将该异常信息进行标记，用于扩充训练数据集；6)当扩充后的训练数据集达到设定规模时，以扩充后的训练数据集为基础，采用MiniBatch方法对异常指令检测模型做进一步的更新训练；7)将更新训练后的模型作为异常指令检测分类器分别下发给各级指令异常分析模块进行分类器的更新，从第4)步开始循环执行，从而使异常指令检测模型一直处在一个不断迭代优化的过程中，使得模型能够适应不同时期的源网荷互动工控系统中的不同状态。3.根据权利要求1或2所属的源网荷互动工控系统的异常指令检测方法,其特征是步骤1)中，设源网荷互动工控系统的当前时刻指令为Xt，前向长短期循环神经网络的长期记忆状态为短期记忆为后向长短期循环神经网络的长期记忆状态为短期记忆为对应检测出指令性质为Ot,C表示长期记忆，h表示短期记忆，下表t表示时刻，上标f表示前向，上标b表示后向，采用的ReLU函数定义如下：前向循环神经网络模块包括遗忘门、更新门和输出门三个门状态，根据前向指令序列{X1,...,Xt-1...
【专利技术属性】
技术研发人员：朱红勤，李伟，霍雪松，裴培，张明，陈兵，杨成浩，韩禹，孙佳炜，戴然，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，东南大学，国网江苏省电力有限公司，国家电网有限公司，
类型：发明
国别省市：江苏,32
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。