智能电网邻域网路由算法研究进展

邻域网是智能电网通信网的最后一英里通信,也是智能电网的重要组成部分。高效的通信是实现智能电网前提,路由算法是其提高网络通信能力的关键核心技术。根据邻域网的网络拓扑结构及其通信特点,首先分析适用邻域网的网络拓扑结构;其次对适用于邻域网的路由算法研究现状进行综述,着重分析适用于邻域网的RPL(Routing Protocol for LLNs)和HWMP(Hybrid Wireless Mesh Protocol)改进算法性能及在邻域网中的实用性,并分析改进算法存在的不足;最后总结邻域网路由算法后续研究面临的问题与挑战。     

智能电网WCSN安全体系架构研究

作为下一代电力系统,智能电网应具备向电网控制中心实时可靠传输信息的能力。为了解决智能电网无线传感器网络面临的异构无线网络共存、频谱资源紧张和海量数据处理等问题,我们在智能电网引入了无线认知传感器网络的理念。文章分析了在智能电网中引入认知无线传感器网络（WCSN）的必要性,列举了智能电网、认知无线电网络和无线传感器网络的相关研究成果,描述了智能电网WCSN分层结构包括家域网、邻域网和广域网,提出了智能电网WCSN安全架构。     

基于Dueling-DDQN的电力信息网络入侵检测算法

电力信息系统应用智能电网来管理电力设备。随着社会用电总量的增加和智能电网的推广与发展,电力网络的规模逐渐变大且管理复杂,然而,保障电力信息系统的安全是重要的。网络入侵检测技术可以有效避免来自网络的入侵行为和攻击,进而保障系统的安全。本文采用深度强化学习方法中的Dueling-DDQN算法解决网络中存在的入侵检测问题,智能体根据试错式的学习获得奖赏值来训练算法以提高网络入侵检测的效率且同时降低人工成本。最后使用NLS-KDD数据集进行对比实验,实验结果表明基于Dueling-DDQN的网络入侵检测算法可以提高检测的效率,进而更好地保障网络的安全性。     

智能化网络入侵检测模型的研究

入侵检测技术是继传统的安全保护措施之后新一代的安全保障技术,文章以入侵检测技术的国内外研究现状分析为基础,提出了一个智能化的网络入侵检测模型SmartNIDS,利用数据挖掘技术对网络行为数据进行智能检测,分析来自网络外部的入侵攻击以及内部的未授权行为,同时结合人工智能领域的规划识别方法识别攻击者的入侵意图,提供入侵检测的实时报警和主动响应。     

基于卷积神经网络的电网工控系统入侵检测算法

传统的电网工控系统主要通过防火墙等工具, 与外部网络进行隔离, 但是随着云计算、物联网等新技术的应用, 网络之间互联程度不断深入, 安全防护难度大大提高, 如何有效检测出网络入侵行为变得至关重要. 与传统入侵检测技术相比, 卷积神经网络具有更好的提取入侵特征的能力. 本文提出一种基于卷积神经网络的电网工控系统入侵检测算法, 使用经过处理的KDD99数据集进行模型训练, 并添加级联卷积层优化网络结构. 在参数规模不大的前提下, 保证了模型运行的实时性要求. 本文算法相对于传统SVM算法和K-means算法, 提高了入侵检测的准确率, 降低了误检率, 可以有效检测出对于电网工控系统的入侵行为.     

浅谈网络入侵检测技术

本文主要阐述了网络入侵检测技术的定义,以及主机的入侵检测系统、基于网络的入侵检测系统、混合入侵监测系统的三种入侵检测系统的分类;接着探讨了网络入侵检测的过程;最后分析了网络入侵检测技术方法。例如：遗传算法、数据挖掘、聚类算法、行为模式、神经网络、智能分布等。     

电力通信异构多网共存网络发现与识别算法

电力无线通信网支撑用户量大面广、业务高并发、运行环境复杂,表现为异构多网混合共存。为了支持智能电力终端动态选择网络接入,必须首先执行网络发现与识别。针对TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz电力无线专网异构多网共存场景,提出一种融合物理层信号时频特征和MAC层协议特征的网络识别算法。该算法结合改进的窗口滑动能量检测和多周期特性加权循环平稳特征检测执行网络发现与识别。仿真结果表明,该算法能有效识别异构的多种电力无线通信网络。     

基于机器学习和NetFPGA的智能高速入侵防御系统

当前网络安全面临着日益多样化的威胁和挑战。入侵防御系统作为一种新兴的、能够动态监视并及时阻断异常网络传输行为的网络安全设备,成为目前主要的研究方向。目前主流的入侵防御系统主要通过人工预设的入侵规则集合对网络流进行匹配来发现、处理入侵,这种方法效率低下、维护困难,且存在严重的处理速度与成本的矛盾。针对上述问题,文章提出了结合基于硬件的网络数据流高速捕获过滤、经典机器学习技术以及当前人工智能领域前沿的深度学习自编码技术的入侵检测新思路,实现了基于NetFPGA的智能、高速的网络入侵防御系统,并在测试中取得了优于其他同一成本水平入侵检测系统的结果。     

基于数据挖掘和规划的智能网络入侵检测系统

本文构建了一个智能化的网络入侵检测系统--SmartNIDS的体系结构。SmartNIDS通过采集网络的数据源和主机的日志数据,利用数据挖掘技术对安全审计数据进行智能的检 测,分析来自网络外部的入侵攻击以及内部的未授权行为,同时结合规划识别的方法识别攻击者的入侵意图,提供实时报警和自动响应,实现一个自适应、智能化的入侵检测和预警系统。     

基于大数据分析技术的互联网非法入侵行为智能检测

为了获得理想的互联网非法入侵行为智能检测结果,提出了基于大数据分析技术的互联网非法入侵行为智能检测模型。该模型采用蚁群算法优化最小二乘支持向量机描述互联网非法入侵行为变化特点,采用大数据分析技术并行实现互联网非法入侵行为智能检测。仿真对比实验结果表明,所提模型的互联网非法入侵行为智能检测正确率和检测效率高,相对于其它模型具有明显的优越性。