基于人脸识别的电力营销权限管理系统设计

为了进一步落实电网企业网络与信息安全管理要求,强化营销信息系统的网络与信息安全管理,提升防护能力,通过应用人脸识别技术,优化电力营销权限管理系统设计,大幅提高营销系统信息的安全性,减少违规操作带来的经济损失,提高电网企业营销管理水平.     

基于机器学习的电力系统网络异常检测与分类方法

针对电力系统网络异常检测问题，提出一种基于随机森林的网络特征分类方法，并在此基础上采用双向LSTM分类模型进行网络异常检测。首先根据IEC 104协议报文格式与传输大小构建应用层多维特征，对构建特征进行排序筛选，得到对网络状况影响程度最高的10项特征；再将筛选出的特征输入Bi＿LSTM分类模型，二分类和多分类不同角度进行网络异常检测。结果表明，在二分类实验中，采用的双向LSTM算法，检测率为92.48%,较kNN算法高9.14%,较SVW算法高34.11%;误检率为7.38%,较kNN算法低6.13,较SVW算法低2.14%,检测效果最好。而在输入正常样本、DoS异常样本和IEC 104异常样本的多分类检测中，使用双向LSTM算法检测率分别为92.59%、92.31%和48.12%,较kNN算法和SVW算法更高；误检率分别为10.54%、8.11%和4.13%,较对比模型综合误差最低，网络异常检测效果最好。