基于深度学习的电力工控流量应用层报文异常检测

准确可靠的电力工控流量异常检测方法是识别网络攻击和实现主动防御的关键手段,对于保证电网的安全稳定运行具有重要意义。文中针对现有电力工控流量异常检测方法存在的检测深度不足、攻击分类少、未知异常识别能力弱等问题,提出了一种基于飞蛾扑火优化(MFO)算法和一维卷积神经网络(1D-CNN)的电力工控流量应用层报文异常检测方法。首先,在深度协议解析的基础上对流量数据的应用层报文进行多维度特征提取;其次,利用随机森林算法计算特征重要度,剔除冗余特征;然后,训练所搭建的1D-CNN报文异常检测模型,并结合MFO算法进行超参数调优,提升模型性能;最后,利用Softmax分类器输出报文的异常检测结果。仿真结果验证了所提方法的有效性。

电力系统通用服务协议的应用层数据加密技术研究

为了确保数据在传输过程中的安全性,需要对数据进行加密处理。阐述了电力系统调度主站与子站之间GSP协议的应用层报文采用AES算法加密,同时对AES密钥采用RSA加密处理,在保证数据报文传输可靠性的同时增强了密钥的安全性。

一种通用舰载信息系统网络检测设备设计

为了提高舰载信息系统网络检测设备的通用性水平,减少重复开发工作,提出一种通用的舰载信息系统网络检测设备设计方法,通过对信息系统网络检测功能进行抽象,对应用层报文解析、网络管理、网络性能测试、网络监控等功能模块进行通用性设计,建立起了舰载信息系统网络检测设备功能框架,其功能模块具备一定的通用性,可根据实际应用需求对舰载信息系统应用层协议进行定制,适用于不同型舰载信息系统网络检测。采用上述设计方法的设备已在实际中应用,可以有效地支撑舰载信息系统的设计开发和试验调试。