典型文献
基于LDSAD的电力监控系统网络流量异常检测
文献摘要：
随着智能电网的不断发展,电力系统网络安全问题日益凸显.为充分利用电网海量数据资源,提高大数据利用率,需要在流量数据中挖掘异常,加强电网抵抗网络安全风险的能力.利用深度学习的特点,对电网的电力监控系统网络流量进行快速检测,以保障电力系统数据采集和存储的安全.采用LSTM(长短期记忆)深度学习网络作为特征提取器,以解决数据特征提取困难的问题,提出了基于改进SVM(支持向量机)嵌入决策树模型的流量异常检测方法.从数据测试实验结果可知,该方法具有较高的准确率,优于多种传统方法.
文献关键词：
深度学习;特征提取;支持向量机;流量检测;网络安全
中图分类号：
作者姓名：
刘栋;蒋正威;朱英伟;黄银强;肖艳炜
作者机构：
国网浙江省电力有限公司金华供电公司,浙江 金华 321000;国网浙江省电力有限公司,杭州 310007
文献出处：
引用格式：
[1]刘栋;蒋正威;朱英伟;黄银强;肖艳炜-.基于LDSAD的电力监控系统网络流量异常检测)[J].浙江电力,2022(03):87-92
A类：
LDSAD
B类：
电力监控系统,网络流量异常检测,智能电网,电力系统网络安全,网络安全问题,网海,海量数据,数据资源,数据利用率,流量数据,强电,网络安全风险,快速检测,系统数据,长短期记忆,深度学习网络,数据特征,决策树模型,异常检测方法,数据测试,测试实验,流量检测
AB值：
0.302123
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。
