论文部分内容阅读
随着信息与通信技术(ICT)的快速发展,电力系统信息网络建设日益成熟。已通过计算、通信和电力系统物理环境的交互,形成了具有实时感知、动态控制与信息服务融合的多维异构复杂系统。与此同时,信息网络的复杂化使得网络安全问题日益严峻,各种网络威胁对电力信息网络安全性能提出了更高要求。如何对电力系统信息网络风险状态进行准确地感知与分析评估,已成为电力信息网络安全研究的重要工作之一。本文就电力信息网络的态势感知以及攻击下风险评估的相关知识进行了针对性分析研究,主要工作包括:(1)针对电力信息网络攻击威胁,提出了一种LDA-RBF的态势感知方法并将其应用到电力信息网络安全中。该方法首先利用线性判别分析(LDA)对电力信息网络样本数据进行优化处理,对特征指标进行有效的融合提取,获取最佳投影,使得样本具有最佳的可分离性;而后将预处理后的数据作为RBF神经网络的训练数据,实现电力信息网络的安全态势感知,识别电力信息网络存在的入侵攻击。(2)分别利用KDD Cup99数据集与电力信息网络环境下的网络攻击数据对本文所提方法进行仿真,通过对比结果验证本文所提基于LDA-RBF的网络安全态势感知方法能够更加准确、高效的实现网络安全态势感知。(3)针对信息物理融合环境下的网络攻击进行研究,对攻击入侵步骤进行分析。在研究图论的基础上,分析与信息设备漏洞关联的入侵攻击过程并基于攻击图进行建模,然后应用贝叶斯推理方法对攻击源信息网络传递进行分析,通过概率的方式对入侵攻击量化评估,综合切负荷量或暂态功角稳定裕度为攻击对电力系统的风险值。