基于CNN和LSTM结合的电网网络攻击检测（英文）

作者：吕首琦; 海涛; 郑茂兴

来源：电子器件, 2023, 46(03): 824-830.

• 电力系统
• 深度学习
• 攻击检测
• 特征提取
• 均值
• 集成学习
• 粒子群优化
• 卷积神经网络

为应对电力系统网络攻击检测面临的挑战，开发了一种基于深度学习的模型。该模型采用增强自适应弹性网络进行电力数据的特征提取，以增强数据的灵敏性并提高模型的训练和分类能力。此外，采用归一化和粒子群优化-K均值(PSO-K均值)噪声数据处理技术，以提高模型对噪声数据的适应性并缓解过拟合问题。采用基于CNN和LSTM的多层集成学习模型对噪声数据进行训练，从而提高分类器的准确性。在验证阶段，与K最近邻(KNN)、随机森林(RF)、支持向量机(SVM)、卷积神经网络(CNN)和其他模型相比，多层集成分类器表现出更优异的性能。值得注意的是，最佳分类器的准确率达到了88.91%。该模型的有效性对于指导电力系统的稳定性和安全管理具有重要意义。

• 单位
  宝鸡文理学院; 黔南民族师范学院