一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法技术

本发明专利技术公开了一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法，属于智能电网安全领域。通过对终端设备的功耗边信道信息进行预处理和统计分析，确定与终端设备工作状态变化相关的特征组合，将预处理后的边信道特征作为异常监测模型的输入。将终端设备正常工作状态下的历史边信道数据作为正常样本输入异常监测模型，训练多种正常工作状态下的基于单分类的异常监测模型，通过新的终端设备异常状态数据，验证基于边信道信息的终端设备异常监测模型的有效性及其性能。在实际监测过程中，采用异常监测智能体自动选择单一异常监测模型执行程序，实现算法复杂度的自适应调节，兼顾准确度和快速性，提高了电力物联网终端设备的安全性能。

【技术实现步骤摘要】
一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法
本专利技术属于智能电网安全领域，涉及一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法。
技术介绍
电力物联网终端设备安全是电力系统安全防护的一部分。在智能电网各环节中，各类智能电力物联网终端，如配电终端、智能电表、电力移动作业终端等设备与电力供应保障关系紧密，是保证供电质量、提高电网运行效率、创新用户服务的关键环节，关系国家政治稳定、经济发展与社会和谐。因此，各类电力物联网终端的安全可控是构建能源互联网的重要基础。随着电网规模的不断扩大，电网环节多元化发展，电网边缘出现了一些暴露在监测现场、调度数据网延伸不到而且不在调度数据网和信息内外网边界防护范围内的电力物联网终端设备。这些设备可能成为攻击者的目标或跳板，而且传统安全防护手段难以识别和防御新形势下高隐蔽性的复杂电网攻击行为。针对智能电网终端设备的安全监测和防御，美国桑迪亚国家实验室较早搭建了集成仿真系统和物理系统的虚拟控制系统环境(VCSE)，为终端设备风险评估、漏洞探测、入侵监测、防御技术、生成缓解方案提供支持。本文档来自技高网...

【技术保护点】
1.一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法，其特征在于，包括以下步骤：/n1)在电力物联网终端设备的电源模块和CPU模块之间串联高精度的采样电阻，通过数据采集模块采集电阻两端的压降来获取CPU模块的电流，经过AD转换模块将电流信号转换为数字信号，得到CPU功耗数据；/n2)预处理模块将CPU功耗数据进行去除工频噪声处理，并以设定的时间窗口对去除工频噪声处理后的CPU功耗数据进行切分，每一段CPU功耗数据作为一个样本，得到CPU功耗样本；/n3)特征提取模块从CPU功耗样本中提取样本特征值，构建多个机器学习网络，采用所述的样本特征值对多个机器学习网络进行训练，得到训练好的多个...

【技术特征摘要】
1.一种基于对抗强化学习的电力物联网终端设备边信道安全监测方法，其特征在于，包括以下步骤：
1)在电力物联网终端设备的电源模块和CPU模块之间串联高精度的采样电阻，通过数据采集模块采集电阻两端的压降来获取CPU模块的电流，经过AD转换模块将电流信号转换为数字信号，得到CPU功耗数据；
2)预处理模块将CPU功耗数据进行去除工频噪声处理，并以设定的时间窗口对去除工频噪声处理后的CPU功耗数据进行切分，每一段CPU功耗数据作为一个样本，得到CPU功耗样本；
3)特征提取模块从CPU功耗样本中提取样本特征值，构建多个机器学习网络，采用所述的样本特征值对多个机器学习网络进行训练，得到训练好的多个异常监测模型；
4)将异常监测的处理速度和预设的监测置信度组成强化学习的状态空间，以选择单一异常监测模型执行监测程序作为动作空间，以异常监测准确度和监测消耗时间作为奖罚函数的评价指标，构建决策模型，训练异常监测智能体，所述异常监测智能体根据不同的样本特征值自动选择单一异常监测模型执行监测程序；
5)通过步骤(1)-(2)所述的方法采集当前t时刻实时运行的CPU功耗样本，特征提取模块从t时刻CPU功耗样本中提取t时刻的样本特征值；设定样本窗口，...

【专利技术属性】
技术研发人员：马立新，李成钢，姜栋潇，田春光，吕项羽，李德鑫，王伟，张海锋，刘宸，张家郡，刘威，王杰，徐相森，徐文渊，冀晓宇，赵涛，
申请(专利权)人：国网吉林省电力有限公司电力科学研究院，国网能源研究院有限公司，国网冀北电力有限公司，国网冀北电力有限公司信息通信分公司，浙江大学，
类型：发明
国别省市：吉林;22