基于机器学习的电力互联网攻击信息识别方法研究

作     者：杨东宁 张志生 张万辞 刘鑫 YANG Dong-ning;ZHANG Zhi-sheng;ZHANG Wan-ci;LIU Xin

作者机构：云南电网有限责任公司信息中心云南昆明650000 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2020年第28卷第17期

页      码：66-69,74页

摘      要：为解决传统攻击信息识别方法存在识别误差大的问题,提出基于机器学习的电力互联网攻击信息识别方法。依据互联网攻击信息,构建互联网攻击信息模型,分析基于机器学习的电力互联网攻击信息识别原理,结合哈希定值保障相同攻击信息会分配到同一线程之中,避免噪声产生的偏差,实现电力互联网攻击信息的实时无损处理。构建脆弱性邻接矩阵,并对脆弱性进行定量评估,完成电力互联网攻击信息优化识别方案设计。实验结果表明,该方法识别精度最高可达到98%,能够有效降低电力互联网网络攻击风险,保障网络安全稳定运行。

主 题 词：机器学习 电力互联网 攻击信息 识别 

学科分类：080903[080903] 0809[工学-计算机类] 08[工学] 

D　O　I：10.14022/j.issn1674-6236.2020.17.015

馆 藏 号：203968845...