基于EMD的电厂网络流量异常检测方法

论文摘要

针对新能源电厂网络系统安全威胁检测需求,以及现有网络安全异常检测方法自适应能力差、人工参与多、误报率高等问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)的自适应实时异常检测方法。该方法首先对新能源电厂网络中的流量进行多个维度的特征刻画,实现流量特征建模;然后在此基础上对特征指标进行自适应经验模态分解、方差计算、高斯拟合和阈值确定,以实现对流量特征指标的自适应异常检测和安全告警。采用典型攻击样本集合对本文方法和基于小波变换的异常检测方法进行了对比测试,测试结果表明,该方法能够准确、实时、自适应地识别未知流量异常,检测效果在准确率、误报率方面优于基于小波变换的异常检测方法。

论文目录

• 1 前言
• 2 现有网络流量异常检测方法
•   2.1 异常检测方法分类
•   2.2 现有方法分析
• 3 基于EMD的流量异常检测方法
•   3.1 主要思路
•   3.2 流量特征采集
•     （1）流量统计类特征指标:
•     （2）流量形态类特征指标:
•     （3）加密通信行为类特征指标:
•     （4）一般行为类特征指标:
•     （5）网络空间结构类特征指标:
•     （6）应用层特征指标:
•   3.3 基于EMD的异常检测算法
• 4 实验与验证
•   4.1 验证目的与方法
•   4.2 验证过程与结论

文章来源

类型: 期刊论文

作者: 赵博,张华峰,张驯,赵金雄,孙碧颖,袁晖

关键词: 新能源电厂,网络流量,异常检测,经验模态分解

来源: 计算机科学 2019年S2期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,互联网技术

单位: 国网甘肃省电力公司,国网甘肃省电力公司电力科学研究院,国网甘肃省电力公司信息通信公司

基金: 国家电网公司科学技术项目(522722180007)资助

分类号: TP393.08;TM930

页码: 464-468

总页数: 5

文件大小: 1309K

下载量: 84