本發(fā)明涉及電力系統(tǒng)網(wǎng)絡(luò)安全，尤其是涉及一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型。

背景技術(shù)：

1、近年來(lái)，信息技術(shù)和通信技術(shù)的高度集成促使了電網(wǎng)的智能化，同時(shí)也導(dǎo)致電網(wǎng)面臨著嚴(yán)重的網(wǎng)絡(luò)攻擊威脅。近年來(lái),世界范圍內(nèi)的電力系統(tǒng)遭受網(wǎng)絡(luò)攻擊事件時(shí)有發(fā)生。網(wǎng)絡(luò)攻擊者可以有效地篡改電力系統(tǒng)中的工況數(shù)據(jù)，從而直接影響到電力調(diào)度中心的決策，導(dǎo)致傳輸線路過(guò)載、切負(fù)荷甚至發(fā)生級(jí)聯(lián)故障。因此，從電力系統(tǒng)防御角度而言,需要對(duì)潛在的網(wǎng)絡(luò)攻擊風(fēng)險(xiǎn)進(jìn)行量化分析判斷，以制定合理的電力系統(tǒng)調(diào)度和防御方案，針對(duì)如何對(duì)其網(wǎng)絡(luò)運(yùn)行狀態(tài)進(jìn)行精確的安全評(píng)估，成為了電力系統(tǒng)設(shè)計(jì)者亟需解決的重要問(wèn)題。針對(duì)這一問(wèn)題的研究，國(guó)內(nèi)外學(xué)者曾給出了一些具有借鑒意義的解決方法，即利用風(fēng)險(xiǎn)評(píng)估模型進(jìn)行必要的分析與預(yù)測(cè)。例如，使用折中圖或漏洞樹的方法，從概率的角度評(píng)估系統(tǒng)受攻擊的可能性。然而該方法的評(píng)估過(guò)程存在較大的主觀因素，難以得到客觀中立的評(píng)估結(jié)果；通過(guò)引入專業(yè)數(shù)據(jù)庫(kù)、風(fēng)險(xiǎn)模板與風(fēng)險(xiǎn)分析技術(shù)，提供了定性與定量分析電力系統(tǒng)的自動(dòng)工具。但該種工具的評(píng)估過(guò)程復(fù)雜度較高，其應(yīng)用范圍具有一定的局限性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，以解決上述背景技術(shù)中存在的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型,包括：

3、信息構(gòu)建單元，用于獲取電力系統(tǒng)中的運(yùn)行數(shù)據(jù)，并進(jìn)行預(yù)處理；

4、安全感知單元，用于構(gòu)建安全感知模型并根據(jù)網(wǎng)絡(luò)安全數(shù)據(jù)對(duì)其進(jìn)行預(yù)測(cè)訓(xùn)練，直至安全感知模型的偏移成功率達(dá)到預(yù)設(shè)要求；安全感知單元還用于將處理后的電力系統(tǒng)運(yùn)行數(shù)據(jù)輸入至安全感知模型中，輸出電力安全識(shí)別結(jié)果；

5、優(yōu)化單元，采用人工蜂群算法對(duì)基于高斯過(guò)程的模型進(jìn)行優(yōu)化；

6、評(píng)估單元，根據(jù)電力安全識(shí)別結(jié)果匹配網(wǎng)絡(luò)安全評(píng)估等級(jí)。

7、優(yōu)選的，根據(jù)網(wǎng)絡(luò)安全數(shù)據(jù)對(duì)其進(jìn)行預(yù)測(cè)訓(xùn)練，直至安全感知模型的偏移成功率達(dá)到預(yù)設(shè)要求，具體包括：

8、提取安全感知模型的原始訓(xùn)練集中的原始樣本集，對(duì)原始樣本集進(jìn)行奇異值分解，以得到預(yù)測(cè)樣本；基于預(yù)測(cè)樣本，以及預(yù)測(cè)樣本經(jīng)目標(biāo)模型的預(yù)測(cè)結(jié)果構(gòu)建測(cè)試樣本；

9、將測(cè)試樣本插入原始訓(xùn)練集生成測(cè)試訓(xùn)練集，基于測(cè)試訓(xùn)練集進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到偏移模型；

10、基于偏移模型對(duì)預(yù)測(cè)樣本進(jìn)行預(yù)測(cè)，基于預(yù)測(cè)結(jié)果確定偏移模型是否偏移成功；直至判斷偏移成功率達(dá)到預(yù)設(shè)要求，則停止訓(xùn)練。

11、優(yōu)選的，為了盡量?jī)?yōu)化高斯過(guò)程的目標(biāo)函數(shù)，隨機(jī)選取超參數(shù)的初始值，再根據(jù)相應(yīng)的預(yù)測(cè)結(jié)果，采用人工蜂群算法對(duì)高斯過(guò)程的超參數(shù)進(jìn)行調(diào)整與優(yōu)化，在此過(guò)程中，對(duì)于訓(xùn)練數(shù)據(jù)r＝(x,y)，其似然概率分布p(y|x)的公式為：

12、p(y|x)＝∫p(y|g,x)p(g|x)dg

13、其中，函數(shù)g與輸出y的先驗(yàn)概率分布均服從高斯分布；g|x～n(0,σ2),y|g～n(g,σ2gx)；超參數(shù)的邊緣似然函數(shù)logp(y|x)，如下：

14、

15、優(yōu)選的，在人工蜂群算法運(yùn)行中，設(shè)初始蜜源是d維向量，且d＝r+2；引入s個(gè)雇傭蜂，開采蜜源的最大次數(shù)為tl,算法最大循環(huán)次數(shù)為max，其數(shù)學(xué)表達(dá)式為：

16、

17、其中，f為蜜源的適應(yīng)度函數(shù)，若適應(yīng)度函數(shù)的絕對(duì)值越小，則蜜源的質(zhì)量越高。

18、優(yōu)選的，人工蜂群算法的執(zhí)行步驟包括：

19、s1、雇傭蜂搜索與記錄蜜源信息，并將這些信息傳送至等候的觀察蜂；

20、s2、在收到的信息中，觀察蜂以一定的概率選擇當(dāng)前解，并搜索其附近的局部解；當(dāng)局部解優(yōu)于當(dāng)前解，則局部解替代當(dāng)前解，令pi表示第i個(gè)蜜源的概率結(jié)果，則觀察蜂的概率計(jì)算公式為：

21、

22、利用原蜜源x、原蜜源的鄰近解x'以及處于[-1,1]之間的隨機(jī)數(shù)獲得新蜜源v，如下

23、

24、s3、若人工蜂群算法的開采次數(shù)超過(guò)max，則放棄當(dāng)前解，將雇傭蜂轉(zhuǎn)化為偵察蜂；按照s2的方式，偵察蜂在原蜜源x附近繼續(xù)隨機(jī)搜索新蜜源。

25、優(yōu)選的，觀察蜂在搜索新蜜源的過(guò)程中，若選擇新蜜源作為當(dāng)前蜜源信息，則令開采次數(shù)item＝0；否則，令開采次數(shù)item＝item+1。

26、優(yōu)選的，經(jīng)過(guò)若干次開采，當(dāng)前蜜源的鄰近蜜源接近耗盡，即蜜源質(zhì)量難以提高，當(dāng)蜜源開采次數(shù)item<tl時(shí)，若循環(huán)次數(shù)l≥max，則結(jié)束整個(gè)人工蜂群算法，并輸出最終超參數(shù)值；若l<max，則繼續(xù)開采蜜源信息；當(dāng)蜜源開采次數(shù)item≥tl時(shí)，則隨機(jī)生成新蜜源，重置開采次數(shù)item，同時(shí)拋棄當(dāng)前蜜源，跳轉(zhuǎn)至蜜源的適應(yīng)度函數(shù)計(jì)算步驟。

27、優(yōu)選的，網(wǎng)絡(luò)安全評(píng)估等級(jí)包括安全等級(jí)、低風(fēng)險(xiǎn)等級(jí)、中等風(fēng)險(xiǎn)等級(jí)、高風(fēng)險(xiǎn)等級(jí)和嚴(yán)重風(fēng)險(xiǎn)等級(jí)。

28、因此，本發(fā)明采用上述一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，通過(guò)綜合人工蜂群算法與高斯過(guò)程的相關(guān)理論，優(yōu)化的網(wǎng)絡(luò)安全評(píng)估模型不僅適用于電力系統(tǒng)，且具有較低時(shí)間復(fù)雜度與較高評(píng)估精度。

29、下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

技術(shù)特征：

1.一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于，根據(jù)網(wǎng)絡(luò)安全數(shù)據(jù)對(duì)其進(jìn)行預(yù)測(cè)訓(xùn)練，直至安全感知模型的偏移成功率達(dá)到預(yù)設(shè)要求，具體包括：

3.根據(jù)權(quán)利要求1所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于，采用人工蜂群算法對(duì)高斯過(guò)程的超參數(shù)進(jìn)行優(yōu)化，在此過(guò)程中，對(duì)于訓(xùn)練數(shù)據(jù)r＝(x,y)，其似然概率分布p(y|x)的公式為：

4.根據(jù)權(quán)利要求3所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于，在人工蜂群算法運(yùn)行中，設(shè)初始蜜源是d維向量，且d＝r+2；引入s個(gè)雇傭蜂，開采蜜源的最大次數(shù)為tl,算法最大循環(huán)次數(shù)為max，其數(shù)學(xué)表達(dá)式為：

5.根據(jù)權(quán)利要求4所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于，人工蜂群算法的執(zhí)行步驟包括：

6.根據(jù)權(quán)利要求5所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于：觀察蜂在搜索新蜜源的過(guò)程中，若選擇新蜜源作為當(dāng)前蜜源信息，則令開采次數(shù)item＝0；否則，令開采次數(shù)item＝item+1。

7.根據(jù)權(quán)利要求6所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于：經(jīng)過(guò)若干次開采，當(dāng)前蜜源的鄰近蜜源接近耗盡，當(dāng)蜜源開采次數(shù)item<tl時(shí)，若循環(huán)次數(shù)l≥max，則結(jié)束整個(gè)人工蜂群算法，并輸出最終超參數(shù)值；若l<max，則繼續(xù)開采蜜源信息；當(dāng)蜜源開采次數(shù)item≥tl時(shí)，則隨機(jī)生成新蜜源，重置開采次數(shù)item，同時(shí)拋棄當(dāng)前蜜源，跳轉(zhuǎn)至蜜源的適應(yīng)度函數(shù)計(jì)算步驟。

8.根據(jù)權(quán)利要求1所述的面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，其特征在于：網(wǎng)絡(luò)安全評(píng)估等級(jí)包括安全等級(jí)、低風(fēng)險(xiǎn)等級(jí)、中等風(fēng)險(xiǎn)等級(jí)、高風(fēng)險(xiǎn)等級(jí)和嚴(yán)重風(fēng)險(xiǎn)等級(jí)。

技術(shù)總結(jié)
本發(fā)明公開了一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，屬于電力系統(tǒng)網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，包括信息構(gòu)建單元，用于獲取電力系統(tǒng)中的運(yùn)行數(shù)據(jù)，并進(jìn)行預(yù)處理；安全感知單元，用于構(gòu)建安全感知模型并根據(jù)網(wǎng)絡(luò)安全數(shù)據(jù)對(duì)其進(jìn)行預(yù)測(cè)訓(xùn)練，直至安全感知模型的偏移成功率達(dá)到預(yù)設(shè)要求；安全感知單元還用于將處理后的電力系統(tǒng)運(yùn)行數(shù)據(jù)輸入至安全感知模型中，輸出電力安全識(shí)別結(jié)果；優(yōu)化單元，采用人工蜂群算法對(duì)基于高斯過(guò)程的模型進(jìn)行優(yōu)化；評(píng)估單元，根據(jù)電力安全識(shí)別結(jié)果匹配網(wǎng)絡(luò)安全評(píng)估等級(jí)。本發(fā)明采用上述一種面向電力系統(tǒng)的網(wǎng)絡(luò)安全用戶計(jì)算評(píng)估模型，利用人工蜂群算法優(yōu)化高斯過(guò)程的超參數(shù)，確定網(wǎng)絡(luò)安全評(píng)估模型的優(yōu)化。

技術(shù)研發(fā)人員：梁浩波,冷穎雄,羅金滿,韓漢賢,陳捷,薛峰,葉暖強(qiáng),王啟樂,郭孝基,劉飄,王湘女
受保護(hù)的技術(shù)使用者：廣東電網(wǎng)有限責(zé)任公司東莞供電局
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14