| 基于GAN和集成學習的電力系統網絡入侵檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：3939 K | |
| 標簽： 智慧電網 入侵檢測 集成學習 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對現有入侵檢測方法在面臨高維數據非線性關聯和樣本分布不均衡的網絡監測數據時存在檢測準確率低和對少數類攻擊漏檢率高的問題，提出一種基于生成對抗網絡（GAN）與集成學習的電力系統網絡入侵檢測方法。首先，利用GAN生成與真實分布一致的合成攻擊樣本，有效緩解數據不均衡問題；其次，通過稀疏自編碼器（SAE）對高維特征進行非線性降維，提取低維判別性特征以克服維度災難；最后，構建Bagging集成學習框架，融合K-means、層次聚類和高斯混合模型（GMM）的異構基學習器，并采用DBSCAN元學習器對聚類結果進行二次分析，提升檢測魯棒性。基于KDD CUP99數據集的實驗表明，所提方法在數據增強后使少數類樣本占比從2.6%提升至17.7%，檢測準確率達96.4%，誤檢率低至7.3%，尤其少數類關鍵攻擊的召回率超過97.6%。相較于傳統方法顯著提升了復雜攻擊場景下的檢測性能，為電力系統網絡安全防護提供了新思路。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2