【技术实现步骤摘要】
本专利技术涉及网络安全，具体涉及一种基于网络流量数据的通信行为深度分析与预警方法及装置。
技术介绍
1、随着互联网的迅猛发展，网络流量数据呈爆炸性增长，各种网络应用和服务层出不穷。在电网数字化转型的过程中，面向电力数字化的网络通信安全也日益成为关注的焦点。通信网络承载着大量的实时数据和控制指令，其安全性直接关系到电网数字化系统的稳定运行。然而，当前电力通信网络面临着诸多安全威胁，如黑客攻击、网络病毒、人为入侵等，这些威胁可能导致电网数字化通信中断、数据泄露或系统崩溃等严重后果。
2、在电力企业中，传统的网络安全监测方法主要依赖于防火墙、入侵检测系统等工具，但这些方法往往存在误报率高、漏报率高、响应速度慢等问题，已难以应对日益复杂的网络攻击。一方面，电网通信网络的边界日益模糊，网络攻击者可以通过各种手段绕过边界防护，直接对电网内部系统发起攻击；另一方面，网络攻击手段不断更新换代，传统的静态防御方法已难以有效应对。因此，如何实现对网络流量数据的实时监控和深入分析，以精准识别异常通信行为，并及时触发预警，成为了电力网络安全领域亟待
本文档来自技高网...【技术保护点】
1.一种基于网络流量数据的通信行为深度分析与预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，实时采集网络流量数据，构建电网流量数据集，具体方法包括：
3.根据权利要求1所述的方法，其特征在于，基于预处理后的电网流量数据，通过多层神经网络和特征选择算法，提取出最具代表性的通信行为数据特征，称为最优特征数据子集，具体方法包括：
4.根据权利要求3所述的方法，其特征在于，每个特征和攻击类型的F值计算方法如下：
5.根据权利要求1所述的方法，其特征在于，所述LSTM-DAE深度学习优化模型包括：<...
【技术特征摘要】
1.一种基于网络流量数据的通信行为深度分析与预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，实时采集网络流量数据，构建电网流量数据集，具体方法包括：
3.根据权利要求1所述的方法，其特征在于，基于预处理后的电网流量数据，通过多层神经网络和特征选择算法，提取出最具代表性的通信行为数据特征，称为最优特征数据子集，具体方法包括：
4.根据权利要求3所述的方法，其特征在于，每个特征和攻击类型的f值计算方法如下：
5.根据权利要求1所述的方法，其特征在于，所述lstm-dae深度学习优化模型包括：
6.根据权利要求5所述的方法，其特征在于，所述lstm层包含h个...
【专利技术属性】
技术研发人员：沈伍强，周纯，钱正浩，崔磊，龙震岳，裴求根，李如雄，唐亮亮，何明东，梁哲恒，王业超，卢妤，周泽元，沈桂泉，姚潮生，张金波，吴漾，胡啟镝，张小陆，朱昌会，伍江瑶，许明杰，金戈，
申请(专利权)人：广东电网有限责任公司，
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。