基于深度学习的网络攻击检测是对欧几里得数据进行建模,无法学习攻击数据中的结构特征。为此,提出一种基于改进图采样与聚合(graph sample and aggregate,GraphSAGE)的网络攻击检测算法。首先,将攻击数据从平面结构转换为图结构数据。其...基于深度学习的网络攻击检测是对欧几里得数据进行建模,无法学习攻击数据中的结构特征。为此,提出一种基于改进图采样与聚合(graph sample and aggregate,GraphSAGE)的网络攻击检测算法。首先,将攻击数据从平面结构转换为图结构数据。其次,对GraphSAGE算法进行了改进,包括在消息传递阶段融合节点和边的特征,同时在消息聚合过程中考虑不同源节点对目标节点的影响程度,并在边嵌入生成时引入残差学习机制。在两个公开网络攻击数据集上的实验结果表明,在二分类情况下,所提算法的总体性能优于E-GraphSAGE、LSTM、RNN、CNN算法;在多分类情况下,所提算法在大多数攻击类型上的F1值高于对比算法。展开更多
针对园区级源网荷储一体化配电网(以下简称有源配电网)电压弹性协调控制问题,提出了一种电压弹性协调控制方法,实现了对有源配电网的电压有效调节并维持P/Q控制模式下各分布式发电恒定功率。对虚假数据注入(false data injection,FDI)...针对园区级源网荷储一体化配电网(以下简称有源配电网)电压弹性协调控制问题,提出了一种电压弹性协调控制方法,实现了对有源配电网的电压有效调节并维持P/Q控制模式下各分布式发电恒定功率。对虚假数据注入(false data injection,FDI)攻击下对园区内部的分布式能源、电网、储能和柔性负荷模型进行分析,建立了源网荷储互动特性下的源网荷储一体化配电网模型,在电压协调侧设计状态观测器与攻击估计器,并基于李雅普诺夫稳定性理论证明其收敛性,接下来,基于上述状态观测器与攻击估计器,提出了一种智能互动的弹性控制策略,实现对攻击影响的补偿,保证有源配电网的安全运行,并进行了有效性验证,在MATLAB/Simulink中搭建仿真,验证了所提出协调控制策略的有效性。展开更多
文摘基于深度学习的网络攻击检测是对欧几里得数据进行建模,无法学习攻击数据中的结构特征。为此,提出一种基于改进图采样与聚合(graph sample and aggregate,GraphSAGE)的网络攻击检测算法。首先,将攻击数据从平面结构转换为图结构数据。其次,对GraphSAGE算法进行了改进,包括在消息传递阶段融合节点和边的特征,同时在消息聚合过程中考虑不同源节点对目标节点的影响程度,并在边嵌入生成时引入残差学习机制。在两个公开网络攻击数据集上的实验结果表明,在二分类情况下,所提算法的总体性能优于E-GraphSAGE、LSTM、RNN、CNN算法;在多分类情况下,所提算法在大多数攻击类型上的F1值高于对比算法。
文摘针对园区级源网荷储一体化配电网(以下简称有源配电网)电压弹性协调控制问题,提出了一种电压弹性协调控制方法,实现了对有源配电网的电压有效调节并维持P/Q控制模式下各分布式发电恒定功率。对虚假数据注入(false data injection,FDI)攻击下对园区内部的分布式能源、电网、储能和柔性负荷模型进行分析,建立了源网荷储互动特性下的源网荷储一体化配电网模型,在电压协调侧设计状态观测器与攻击估计器,并基于李雅普诺夫稳定性理论证明其收敛性,接下来,基于上述状态观测器与攻击估计器,提出了一种智能互动的弹性控制策略,实现对攻击影响的补偿,保证有源配电网的安全运行,并进行了有效性验证,在MATLAB/Simulink中搭建仿真,验证了所提出协调控制策略的有效性。
