电网调度通信网恶意入侵行为的自动化监测

为了提高电网调度通信网恶意入侵行为监测效率,避免蠕虫、病毒等恶意入侵行为给电网调度通信网带来的严重威胁,提出基于数据挖掘技术和机器学习算法的电网调度通信网恶意入侵行为自动化监测方法。使用行为字节序列表示恶意入侵行为特征,利用变长N-gram滑动窗口提取恶意入侵行为特征,采用加权信息增益的过滤类特征选择算法,进行恶意入侵行为特征降维,运用所得特征训练朴素贝叶斯分类器,实现电网调度通信网恶意入侵行为的自动化分类监测。实例测试结果表明:本文方法的恶意入侵行为漏报率低于45%;本文方法计算的正常行为特征值介于0.1~0.3之间,最大特征值为0.26,恶意入侵行为及其变种行为的特征值均高于0.7;监测的不同类型恶意入侵行为数量始终低于20;对不同恶意入侵行为的捕获时间均保持在10 min以内。以上数据证明,本文方法提高了恶意入侵行为监测效率,能够减少入侵行为对电网调度通信网的恶意破坏。