基于GAN和集成学习的电力系统网络入侵检测方法AET-电子技术应用-最丰富的电子设计资源平台

基于GAN和集成学习的电力系统网络入侵检测方法
所属分类：技术论文
上传者：wwei
文档大小：3939 K
标签：智慧电网入侵检测集成学习
所需积分：0分积分不够怎么办？
文档介绍：针对现有入侵检测方法在面临高维数据非线性关联和样本分布不均衡的网络监测数据时存在检测准确率低和对少数类攻击漏检率高的问题，提出一种基于生成对抗网络（GAN）与集成学习的电力系统网络入侵检测方法。首先，利用GAN生成与真实分布一致的合成攻击样本，有效缓解数据不均衡问题；其次，通过稀疏自编码器（SAE）对高维特征进行非线性降维，提取低维判别性特征以克服维度灾难；最后，构建Bagging集成学习框架，融合K-means、层次聚类和高斯混合模型（GMM）的异构基学习器，并采用DBSCAN元学习器对聚类结果进行二次分析，提升检测鲁棒性。基于KDD CUP99数据集的实验表明，所提方法在数据增强后使少数类样本占比从2.6%提升至17.7%，检测准确率达96.4%，误检率低至7.3%，尤其少数类关键攻击的召回率超过97.6%。相较于传统方法显著提升了复杂攻击场景下的检测性能，为电力系统网络安全防护提供了新思路。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动