[发明专利]一种基于支持向量机集成学习的电力工控系统主机异常检测方法在审
| 申请号： | 202010973120.5 | 申请日： | 2020-09-16 |
| 公开（公告）号： | CN114205101A | 公开（公告）日： | 2022-03-18 |
| 发明（设计）人： | 张吉昕;秦拯;涂春鸣;蒋孜博;葛宁超;李鹏;袁智勇;于力;徐全;林跃欢 | 申请（专利权）人： | 湖南大学;南方电网科学研究院有限责任公司 |
| 主分类号： | H04L9/40 | 分类号： | H04L9/40;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410082 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 支持 向量 集成 学习 电力 系统 主机 异常 检测 方法 | ||
【权利要求书】：
1.一种基于支持向量机集成学习的电力工控系统主机异常检测方法，其特征是：
(1)网络流量特征和系统状态特征提取与融合方法；
(2)基于支持向量机集成学习的主机异常检测模型。
2.根据权利要求1所述的网络流量特征和系统状态特征提取方法，其特征是，针对单一类型的主机安全事件难以准确覆盖网络攻击活动特点，导致电力工控系统主机异常检测准确性不足的问题，通过分析主机网络流量以及系统状态监测日志，提取正常/异常时的主机网络流量特征和系统状态特征，并将两者特征向量化表示并融合，形成统一的融合特征向量，从而为构建电力工控系统主机异常检测模型提供更充分的安全事件特征。
3.根据权利要求1所述的基于支持向量机集成学习的电力系统主机异常检测模型，其特征是，针对单一支持向量机模型受数据样本、拟合性能等因素的影响，导致在构建异常检测模型时准确性不足的问题，通过将训练数据进行分组，采用支持向量机算法，利用不同分组的训练数据分别构建异常检测子模型，并基于Adaboost集成学习方法对异常检测子模型进行加权合并，进一步提升异常检测模型的准确性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学;南方电网科学研究院有限责任公司，未经湖南大学;南方电网科学研究院有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010973120.5/1.html，转载请声明来源钻瓜专利网。
