基于深度神经网络的电力无线终端安全接入测试

新型电力系统的外部无线终端容易被攻击者通过物理接触发动内部网络渗透攻击，传统的设备安全测试对提升接入设备的安全性能收效甚微，且容易产生较高的假阳率。提出一种基于深度神经网络的无线接入安全测试方法，采用堆叠稀疏自编码器实现测试数据集的特征降维，并选取合适的特征维数进行训练，将选取的特征作为深度神经网络的输入层，构建高效测试用例，监测并发现异常状态。实验表明，该方法准确率达到90%，可以高效发现电力移动设备接入环境的异常。     

新型电力系统终端通信协议的逆向分析及模糊测试

现有新型电力系统终端大都采用第三方厂商私有协议，难以对其进行解析分析。针对现有新型电力系统终端常用的Modbus协议开展逆向分析解析，基于协议分层的特点，通过从网络报文头部字段提取未知协议的有效字段部分，基于统计N-gram算法对协议字段进行分词，利用协议关键词构建Modbus协议状态机。对协议源码编译插桩，通过生成随机测试用例对Modbus服务器端程序进行模糊测试，并对测试崩溃结果进行了分析。实验结果表明，该方法能对新型电力系统终端的私有协议进行快速逆向识别和模糊测试，有较高的实用价值。     

基于层次分析法的电力移动终端安全评估方法

针对电力移动终端业务场景复杂和数据敏感的特点,提出了一种基于层次分析法的电力移动终端安全评估方法.该方法通过结合电力移动终端的特点及其业务场景将安全现状的分析细分为自身安全与安全管控两部分,来保证分析的完备性;基于层次分析法及模糊综合分析技术,从硬件、系统、应用、数据等方面形成电力移动终端安全评估方法.通过对内网移动作业类和外网移动协作类移动终端的实验测试结果表明,所提出的方法能有效发现移动终端存在的安全风险,且评估结果更接近实际情况,为电力移动终端的安全评估提供了科学依据.