[发明专利]基于季节模型时间序列的智能电表状态异常检测方法

摘要

本发明涉及一种基于季节模型时间序列的智能电表状态异常检测方法，检测方法基于AMI获取智能电表的主机运行数据，为流量和主机运行的CPU利用率、进程数、端口数、网络接口字节吞吐量等指标建立观测测度，通过标准训练数据集和季节模型时间序列方法确定检测模型，实时获取流量测度，并通过检测模型检测出智能电表中流量可能包含的异常行为，这些行为可能是由于设备故障导致的故障流量，或者设备的操作系统被入侵控制后产生的攻击流量，或者采集线路被中间人攻击后注入的攻击流量。该检测方法可以有效的发现未知攻击手段产生的攻击形式，克服了基于规则的方法无法有效对未知攻击类型检测检测的弱点，提高了系统的安全性。

主权项

一种基于季节模型时间序列的智能电表状态异常检测方法，其特征在于，包括如下步骤：（1）选定测度：基于电表系统监测数据选择反映智能电表的运行状态，区分智能电表是否在执行正常测量功能的信息，即为所选测度；根据所选测度建立测度集合，测度集合包括测度名、测度单位、测度采集位置和测度计算方法；（2）训练集建立：根据选定的测度集合，从智能电表中获取一段时间内的运行数据，并从中提取出测度集合数据，建立标准的训练集；（3）检测模型建立：基于季节型 ARIMA 时间序列算法，对训练集进行训练，建立有周期性时间序列问题的季节型时间序列检测模型，输入源为每个电表的测度数据集合，输出为异常或正常；（4）数据获取：在智能电表主机端安装Agent程序，定时向数据管理中心发送主机运行数据，数据管理中心从主机运行数据中计算出测度数据；（5）实时检测：将步骤（4）获取的测度数据作为输入源发送至季节型时间序列检测模型，根据时间序列检测模型的输出判断输入测度对应的智能电表数据属于异常或是正常。