典型文献
基于EEMD-LSTM的需求响应终端DDoS攻击检测方法
文献摘要：
随着需求响应(demand response,DR)业务及"源-网-荷-储"互动调控的发展,越来越多需求响应终端接入电力网络,需要针对需求响应终端受到分布式拒绝服务(distributed denial of service,DDoS)攻击行为进行预测与防御技术研究.针对当前电力系统网络攻击研究,重点考虑攻击流量自相似特征,提出了一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)与长短期记忆(long short-term memory,LSTM)网络相结合的双重检测方法.首先通过集合经验模态分解攻击流量提取模态特征;其次基于改进的LSTM神经网络进行攻击检测;最后进行仿真实验及对比分析,EEMD-LSTM神经网络的检测方法与传统LSTM检测方法相比具有更好的动态性能,有效提高了 DDoS攻击检测精度.
文献关键词：
需求响应终端;分布式拒绝服务(DDoS)攻击;集合经验模态分解(EEMD);长短期记忆(LSTM)网络;攻击检测
中图分类号：
作者姓名：
李彬;魏吟娬;祁兵;孙毅;陈宋宋
作者机构：
华北电力大学电气与电子工程学院,北京市102206;中国电力科学研究院有限公司,北京市100192
文献出处：
引用格式：
[1]李彬;魏吟娬;祁兵;孙毅;陈宋宋-.基于EEMD-LSTM的需求响应终端DDoS攻击检测方法)[J].电力建设,2022(04):81-90
A类：
需求响应终端
B类：
EEMD,DDoS,攻击检测,demand,response,DR,终端接入,电力网络,分布式拒绝服务,distributed,denial,service,攻击行为,防御技术,电力系统网络,网络攻击,自相似,集合经验模态分解,ensemble,empirical,mode,decomposition,长短期记忆,long,short,term,memory,双重检测,取模,模态特征,动态性能,检测精度
AB值：
0.299531
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
