1. 国家电网有限公司国调中心
2. 中国电力科学研究院有限公司信息通信研究所
3. 南京邮电大学自动化学院
纸质出版:2025
移动端阅览
张晓, 张英杰, 李佳霖, 等. 能源互联网环境下基于稀疏随机投影和深度学习的入侵检测算法[J]. 电力信息与通信技术, 2025,23(7):1-9.
张晓, 张英杰, 李佳霖, et al. 能源互联网环境下基于稀疏随机投影和深度学习的入侵检测算法[J]. 2025, 23(7): 1-9.
张晓, 张英杰, 李佳霖, 等. 能源互联网环境下基于稀疏随机投影和深度学习的入侵检测算法[J]. 电力信息与通信技术, 2025,23(7):1-9. DOI: 10.16543/j.2095-641x.electric.power.ict.2025.07.01.
张晓, 张英杰, 李佳霖, et al. 能源互联网环境下基于稀疏随机投影和深度学习的入侵检测算法[J]. 2025, 23(7): 1-9. DOI: 10.16543/j.2095-641x.electric.power.ict.2025.07.01.
开放、共享、互联的特性使得能源互联网面临更多的网络入侵风险。如何高效、准确地检测出网络入侵行为对于能源互联网的安全稳定运行至关重要。现有基于机器学习的入侵检测算法存在无法有效处理高维入侵数据集以及实时性和准确率不高等问题。为了解决上述问题,文章提出一种基于稀疏随机投影和深度学习的入侵检测算法(intrusion detection algorithm based on sparse random projection and deep learning
ID-SRPDL)。该算法首先利用稀疏随机投影实现入侵数据集的特征选择,减少高维特征对入侵检测准确率的影响;然后结合卷积神经网络的优势,利用遗传编程优化卷积神经网络参数,构建基于遗传编程和卷积神经网络的入侵检测模型。在3个标准入侵检测数据集上的实验结果表明,与经典和最新的入侵检测算法相比,提出的ID-SRPDL算法在平均耗时、入侵检测准确率、误报率和漏报率等指标上均具有较大的优势。
Gaozhi Zhou,Runxin Li,Zhenhong Shang,Xiaowu Li,Lianyin Jia.Multi-label feature selection based on minimizing feature redundancy of mutual information[J].Neurocomputing,2024.
Abualigah Laith,Ahmed Saba Hussein,Almomani Mohammad H.,Zitar Raed Abu,Alsoud Anas Ratib,Abuhaija Belal,Hanandeh Essam Said,Jia Heming,Elminaam Diaa Salama Abd,Elaziz Mohamed Abd.Modified Aquila Optimizer Feature Selection Approach and Support Vector Machine Classifier for Intrusion Detection System[J].Multimedia Tools and Applications,2024.
Hnamte Vanlalruata,Hussain Jamal.DCNNBiLSTM: An Efficient Hybrid Deep Learning-Based Intrusion Detection System[J].Telematics and Informatics Reports,2023.
Tan Xu,Yang Jiawei,Rahardja Susanto.Sparse random projection isolation forest for outlier detection[J].Pattern Recognition Letters,2022.
ElSayed Mahmoud Said,Le Khac Nhien An,Albahar Marwan Ali,Jurcut Anca.A novel hybrid model for intrusion detection systems in SDNs based on CNN and a new regularization technique[J].Journal of Network and Computer Applications,2021.
B. Riyaz,Sannasi Ganapathy.A deep learning approach for effective intrusion detection in wireless networks using CNN[J].Soft Computing,2020.
Nanjing University of Posts and Telecommunications, No.9,Wenyuan Road, Nanjing, Jiangsu, China,Nanjing University of Posts and Telecommunications, No.9,Wenyuan Road, Nanjing, Jiangsu, China,University of Hong Kong, Pokfulam Road, Central and Western District, Hong Kong, China,Nanjing University of Posts and Telecommunications, No.9,Wenyuan Road, Nanjing, Jiangsu, China.Building Auto-Encoder Intrusion Detection System based on random forest feature selection[J].Computers & Security,2020.
Souhail et. al. Mefta.Network Based Intrusion Detection Using the UNSW-NB15 Dataset[J].International Journal of Computing and Digital Systems,2019.
Yue Han,Lei Yu.A variance reduction framework for stable feature selection[J].Statistical Analysis and Data Mining,2012.
孙宏斌,郭庆来,薛屹洵,李泽宁,张佳惠.再论能源互联网:形态、使命与路径[J].中国电机工程学报,2024(18).
唐成长.基于数据挖掘算法的无线传感网络入侵检测方法[J].现代传输,2024(03).
蔡黎亚,田英杰.雾环境中基于深自编码器和扩展孤立森林的入侵检测方法[J].计算机应用与软件,2024(02).
孙红哲,王坚,王鹏,安雨龙.基于Attention-BiTCN的网络入侵检测方法[J].信息网络安全,2024(02).
刘慧慧,岳丽颖.数据挖掘技术在网络入侵检测中的应用[J].软件,2023(11).
李天慧,谢云澄,车荣花,梁迪昌,王健.基于DRSN-BiLSTM的电力信息网络入侵检测模型[J].电力信息与通信技术,2023(09).
王霞,曹丽娜,杨凤丽.基于改进Apriori算法的网络入侵数据挖掘仿真[J].计算机仿真,2022(10).
吕东晓,李勇,邵伟,王潇煜,谢丹丹.基于Apriori算法的稳控装置通信系统网络攻击检测方法[J].电力信息与通信技术,2022(09).
潘羿,李彬.基于DNSAE和随机森林的电力信息网络入侵检测模型[J].电力信息与通信技术,2022(05).
王子骏,刘杨,鲍远义,管晓宏,吴桐,卢建刚,余志文,袁晓舒,刘烃.电力系统安全仿真技术:工程安全、网络安全与信息物理综合安全[J].中国科学:信息科学,2022(03).
张安琳,张启坤,黄道颖,刘江豪,李建春,陈孝文.基于CNN与BiGRU融合神经网络的入侵检测模型[J].郑州大学学报(工学版),2022(03).
陈震宇,关志涛.基于ARIMA模型的智能电网虚假数据注入攻击检测[J].电力信息与通信技术,2021(11).
马明艳,陈伟,吴礼发.基于CNN_BiLSTM网络的入侵检测方法[J].计算机工程与应用,2022(10).
李勇,张波.一种基于深度CNN的入侵检测算法[J].计算机应用与软件,2020(04).
0
浏览量
126
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621