基于知识图谱的电力信息安全威胁可视化技术

来源 :信息技术 | 被引量 : 0次 | 上传用户:qiuxue6
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统电力信息安全威胁分析方法无法获取威胁数据的关联特征量,导致电力信息安全威胁的可视化效果较差.为此,提出基于知识图谱的电力信息安全威胁可视化技术.采用二值化图谱特征挖掘方法提取威胁数据关联特征量,通过模糊度检测和信息融合识别分析安全威胁高阶频谱特征量;利用稀疏散点图分析法加载三维可视化知识图谱,结合小波域特征分解方法实现电力信息安全威胁可视化.仿真结果表明,所提技术的图谱量化分析能力较高,电力威胁信息特征辨识度水平较好.
其他文献
电网调度自动化过程存在网络攻击风险,且安全威胁种类较多.为此,提出电网调度自动化系统网络安全研究方法.针对当下主流电网调度系统网络攻击方式,分别优化电网调度自动化系统网络协议、电网调度模拟量、电网调度数据分布结构三个单元网络安全参量,通过对电网调度数据的不良数据检测与算法优化,提升电网调度自动化系统网络安全系数.实例数据表明,文中方法能够有效降低电网调度自动化系统受到网络攻击的风险系数,提升调度稳定性,具备广泛的应用性,有助于推动我国电网调度自动化系统网络安全建设进程.
针对电力设备故障诊断、状态检测准确率不高等问题,提出了一种电力数据全生命周期管理系统,保证采集到的数据的正确性以及完整性.在此基础上,提出一种融合D-S证据理论的SVM故障诊断算法,以变压器为例,先通过单一的SVM得到变压器的故障分类模型,由于SVM在分类时容易忽视特征数据对分类结果的影响,通过融合D-S证据理论来解决,融合后的算法因为SVM结果只有正负,无法作为概率分配函数,引入sigmoid函数来作为概率分配函数.试验表明,融合后的算法故障诊断正确率相比单一的算法大幅度提高,与配贝叶斯网络的故障检测相