【技术实现步骤摘要】
本专利技术属于电力系统和网络安全领域，具体涉及一种基于深度迁移学习的终端异常访问控制方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、配电网是电力系统的重要组成部分，负责将电能从输电网输送到最终用户。随着智能电网的发展，配电网的数据量和数据类型日益增多，包括电力负荷、电能质量、电网拓扑、设备状态、故障诊断、用户行为等，这些数据构成了配电网大数据。配电网大数据具有海量、多源、多维、动态、异构等特点，对配电网的运行、管理、优化、创新等方面具有重要的价值和意义。
3、然而，配电网大数据的安全和隐私也面临着严峻的挑战。一方面，配电网大数据涉及到多个主体的利益，如电力企业、政府部门、第三方服务商、终端用户等，这些主体之间存在着不同的数据需求和数据权限，需要实现对配电网大数据的细粒度访问控制，防止数据的泄露、篡改、伪造等。另一方面，配电网大数据的收集、存储、传输、处理、共享等过程中，可能存在着各种内部和外部的威胁，如恶意攻击、非法入侵、异常访问等，需要实现对配电网大...
【技术保护点】
1.一种基于深度迁移学习的终端异常访问控制方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种基于深度迁移学习的终端异常访问控制方法，其特征是，所述访问记录包括用户的属性、访问的资源、访问的时间和访问的结果，其中，用户的属性包括用户的身份、角色、权限、职责、信誉、偏好和历史信息中的若干，访问的资源包括数据、设备、服务和应用信息中的若干，访问的时间包括访问的日期、时段、时长和频率信息中的若干，访问的结果包括访问的成功与否、反馈、评价、满意度和信任度信息中的若干。
3.如权利要求1所述的一种基于深度迁移学习的终端异常访问控制方法，其特征是，所...
【技术特征摘要】
1.一种基于深度迁移学习的终端异常访问控制方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种基于深度迁移学习的终端异常访问控制方法，其特征是，所述访问记录包括用户的属性、访问的资源、访问的时间和访问的结果，其中，用户的属性包括用户的身份、角色、权限、职责、信誉、偏好和历史信息中的若干，访问的资源包括数据、设备、服务和应用信息中的若干，访问的时间包括访问的日期、时段、时长和频率信息中的若干，访问的结果包括访问的成功与否、反馈、评价、满意度和信任度信息中的若干。
3.如权利要求1所述的一种基于深度迁移学习的终端异常访问控制方法，其特征是，所述深度学习通过深度神经网络进行，所述深度神经网络包括输入层、隐藏层和输出层，其中输入层用于接收用户的访问矩阵，隐藏层用于对用户的访问矩阵进行非线性变换和特征提取，输出层用于输出用户的行为特征向量。
4.如权利要求1所述的一种基于深度迁移学习的终端异常访问控制方法，其特征是，对测试集进行无聚类识别时，利用孤立森林算法进行无聚类识别。
【专利技术属性】
技术研发人员：陈剑飞，刘新，刘冬兰，王睿，张昊，王磊，徐光侠，马雷，张方哲，孙莉莉，黄华，孙强，张伟昌，任剑，牛德玲，
申请(专利权)人：国网山东省电力公司电力科学研究院，
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。