【技术实现步骤摘要】
一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法
[0001]本专利技术涉及电力网络安全漏洞检测
，特别涉及一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法。
技术介绍
[0002]BP神经网络具有高度非线性和较强的泛化能力，由于BP神经网络中的参数众多，每次都需要更新数量较多的阈值和权值，因此存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点，对于复杂问题，BP算法需要的训练时间可能非常长。
[0003]现有技术中，关于网络安全评估的较有代表性的方法是故障树分析法、层次分析法、模糊综合评判法和基于贝叶斯、BP神经网络等方法，基于BP神经的网络安全评估方法具有良好的优越性和客观性，但是由于数据量的快速增长，传统的串行数据处理技术无法满足这种需求，需要BP神经网络分布式并行提高检测速度。
[0004]例如，一种在中国专利文献上公开的“一种基于改进BP神经网络的风电场短期功率预测方法”，其公告号：CN108256683A，其申请日：2018年01月16日，该专利技术改...
【技术保护点】
【技术特征摘要】
1.一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，包括以下步骤：S1：基于电力调度自动化系统获取网络数据信息；S2：基于Spark框架构建并行神经网络，基于并行BP神经网络训练网络数据信息并输出评分；S3：基于评分判断网络数据信息的网络安全级别并进行对应处理。2.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，网络数据信息包括基础数据、实时数据、应用数据和环境数据。3.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，每个从属节点保留一部分训练集段，若从属节点有足够的记忆体，则会将其缓存至从程式码和磁碟，每个从属节点在相同的时间间隔中管理自身数据。4.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，存储类型包括内存、磁盘和内存磁盘组合，内存磁盘组合时优先缓存在内存中，内存空间不够则缓存在硬盘中。5.根据权利要求1所述的一种Spark框架BP神经网络并行化电力网络安全漏洞检测方法，其特征在于，BP神经网络通过控制算法实现其结构内数据的反向传递，用来调节BP神经网络的加权和阀值，包括以下步骤：S21：初始化BP神经网络及参数，通过BP神经网络向Hadoop分布式文件系统传输数据；S22：将Tornado配置到主要节点；S23：通过对HDFS数据的读出和处理，得到BP神经网络的特征和标记；S24：对BP神经网络进行暂时性的训练；S25：利用BP神经网络学习服务器的数据处理进程，训练后向Tornado服务器上传加权和临界值，服务器将权值和门限广播给各个子结点，各子结点分别接受权值和门限，重复次数小...
【专利技术属性】
技术研发人员：高源，宋艳，黄慧，季奥颖，丁页顶，柳伟，
申请(专利权)人：国网浙江省电力有限公司丽水供电公司，
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。