一种配电台区协同控制拟态防御网络架构

    公开(公告)号:CN118713299A

    公开(公告)日:2024-09-27

    申请号:CN202410829222.8

    申请日:2024-06-25

    摘要: 一种配电台区协同控制拟态防御网络架构。包括智能终端层、网络通信层、平台层和应用层和安全风险识别与防御模块;智能终端层用于实时采集、传输和处理配电台区的相关数据,通过网络通信层传输至平台层;平台层接收来自智能终端层的数据,进行统一物联管理;应用层根据平台层提供的数据监控光伏系统的运行状态,识别潜在的安全风险,并基于所述风险分析调整和优化逆变器的控制策略,实现资源的优化配置,通过对光伏逆变器的通信和控制,实现分布式光伏的接入和调度;安全风险识别与防御模块对智能终端、网络通信以及系统架构的安全风险进行分析,采取相应的防御措施,实现配电台区协同控制互动的安全稳定运行。本发明的方案实现了对配电台区各层的安全风险全面识别和分析,提高了安全性和稳定性。

    基于注意力机制的工业控制系统网络流量异常检测方法

    公开(公告)号:CN113162893B

    公开(公告)日:2022-05-24

    申请号:CN202011054120.1

    申请日:2020-09-29

    IPC分类号: H04L9/40 H04L47/2441 G06K9/62

    摘要: 本发明属于网络流量检测技术领域,具体涉及一种基于注意力机制的工业控制系统网络流量异常检测方法,包括如下步骤:收集流量样本数据集;S2、样本标定;特征提取;使用encoder结构对输入的特征向量进行预处理,计算得到attention值之后将其与原始网络流量数据合并与标准化;S5、将步骤S4处理后的特征向量输入全连接层神经网络进行分类,对样本进行正常与异常判别,对结果进行整合分析,得到样本最终的分类结果。有效地发现和提取了工业控制系统网络原始流量之间的多维关系和特征,不需要对私有通信协议进行机械以及人工规则或特征提取,不需要花费大量时间和人力代价来提取特征,最终的分类通过全连接层来完成,实现了高性能的异常检测,具有较高的检测效率,而且与经典的机器学习和深度学习算法相比,具有更高的检测精度。