一种面向能源互联网的入侵检测系统及其方法技术方案

本发明专利技术公开了一种面向能源互联网的入侵检测系统及其方法。其中，特征选择模块，从原始数据集中通过移除对入侵检测模型无贡献或低贡献的特征后剩下的特征形成约简数据集；数据预处理模块，对约简数据集进行进一步的数据预处理，处理成深度学习模型能够接收和处理的数据集；入侵检测模块，利用数据预处理模块所得数据集对深度学习模型进行训练、调优及测试后，使用深度学习模型进行入侵流量检测。本发明专利技术涉及的面向能源互联网的入侵检测系统，经过在真实的能源互联网的数据集上的测试，数值结果显示，本发明专利技术公开的入侵检测系统在对能源互联网中的各种网络威胁的检测上都非常有效，并且优于大多数现有的入侵检测系统方案。

【技术实现步骤摘要】
一种面向能源互联网的入侵检测系统及其方法
本专利技术涉及能源互联网
，尤其涉及一种面向能源互联网的入侵检测系统及其方法。
技术介绍
能源互联网是物联网的一个新兴领域，如图1所示，它被定义为一个由各种智能能源基础设施组成的网络化系统，包括控制中心、分布式可再生能源系统、分散的能源存储以及能源消费(如工业、商业、住宅等)。能源互联网的目标是协调现有的分布式能源系统，从而优化所有这些能源系统的发电、传输和消耗的能源效率。能源互联网有很多发展前景，也正面临越来越多的网络安全挑战。因为能源互联网集成了一系列异构且有漏洞的通信网络，使它们成为攻击者的理想目标。此外，广泛使用的智能设备(如智能电表、相位测量装置等)通常部署在通常没有适当安全保护的领域，为恶意拦截创造了大量机会。此外，在传统能源基础设施中存在固有漏洞，如监视控制和数据采集系统的敏感信息，可能很容易暴露于外部世界。不幸的是，现有的能源系统往往没有配备先进的安全保护解决方案。因此，强大的网络攻击者很容易绕过现有的安全防御，这对入侵检测系统提出了更高的要求。入侵检测是网络安全的本文档来自技高网...

【技术保护点】
1.一种面向能源互联网的入侵检测系统，其特征在于，包括：/n特征选择模块，从原始数据集中移除对入侵检测模型无贡献或低贡献的特征形成约简数据集；/n数据预处理模块，对约简数据集进行进一步的数据预处理，处理成深度学习模型能够接收和处理的数据集；/n入侵检测模块，利用数据预处理模块所得数据集对深度学习模型进行训练、调优及测试后，使用深度学习模型进行入侵流量检测。/n

【技术特征摘要】
1.一种面向能源互联网的入侵检测系统，其特征在于，包括：
特征选择模块，从原始数据集中移除对入侵检测模型无贡献或低贡献的特征形成约简数据集；
数据预处理模块，对约简数据集进行进一步的数据预处理，处理成深度学习模型能够接收和处理的数据集；
入侵检测模块，利用数据预处理模块所得数据集对深度学习模型进行训练、调优及测试后，使用深度学习模型进行入侵流量检测。


2.根据权利要求1所述的一种面向能源互联网的入侵检测系统，其特征在于，特征选择模块移除的特征包括缺失率较高的特征、具有单一值的特征、相关性较高的特征、重要性评分低的特征。


3.根据权利要求1所述的一种面向能源互联网的入侵检测系统，其特征在于：数据预处理模块对约简数据集进行数据归一化处理，生成特征向量，然后对数据集中每个类别的标签进行独热编码，之后将数据集划分为训练集、验证集和测试集。


4.一种面向能源互联网的入侵检测方法，其特征在于，应用于权利要求1-3任一项所述的一种面向能源互联网的入侵检测系统，包括：
从原始数据集中移除对入侵检测模型无贡献或低贡献的特征形成约简数据集；
对约简数据集进行进一步的数据预处理，处理成深度学习模型能够接收和处理的数据集；
利用数据预处理模块所得数据集对深度学习模型进行训练、调优及测试后，使用深度学习模型进行入侵流量检测。

...

【专利技术属性】
技术研发人员：李贝贝，印一聪，武玉豪，宋佳芮，欧阳远凯，马小霞，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51