一种针对网络攻击的配电网系统风险评估方法

摘要: 本发明属于配电网风险评估,具体是一种针对网络攻击的配电网系统风险评估方法。背景技术:1、配电网系统高度依赖网络通信实现数据交互与设备调度,网络攻击易侵入通信链路...
一种针对网络攻击的配电网系统风险评估方法

本发明属于配电网风险评估,具体是一种针对网络攻击的配电网系统风险评估方法。

背景技术:

1、配电网系统高度依赖网络通信实现数据交互与设备调度,网络攻击易侵入通信链路干扰业务运行,需依托多周期监测数据完成异常识别与风险研判。常规技术对配电网原始运行数据仅做基础筛选处理,未实施规范的数据清洗与时间对齐流程,原始网络流量数据也未开展系统协议解析与流量重组操作,采集得到的多源监测数据保持原生杂乱状态,数据时序结构与格式标准无法统一,难以直接用于后续模型运算与状态分析。

2、传统异常检测算法应用于配电网网络攻击识别时,分裂阈值采用固定设置模式,不能跟随数据特征维度进行动态调整,模型构建无法适配配电网多源监测数据的自身分布属性。数据异常判定后仅完成周期状态分类,不会针对性提取攻击时段对应的电网运行参数,无法形成独立可调用的攻击期数据单元。

3、现有风险评估体系只完成网络异常的表层识别,缺少对运行参数关联关系的深度分析流程,未建立针对参数变化的链路追踪机制,不能梳理扰动因素在系统内部的传导脉络,评估过程只停留在异常判定层面。这类传统处理模式自动化程度低,数据处理、异常检测与风险研判各环节衔接松散,无法满足配电网在网络攻击场景下开展精细化、流程化系统性风险评估的应用要求。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一;

2、为此,本发明提出了一种针对网络攻击的配电网系统风险评估方法,包括:

3、获取目标配电网系统在多个监测周期内的原始运行数据集和原始网络流量数据集;

4、对所述原始运行数据集执行数据清洗与时间对齐操作,生成规整运行数据集,对所述原始网络流量数据集执行协议解析与流量重组操作,生成规整网络流量数据集;

5、基于所述规整运行数据集和所述规整网络流量数据集,调用改进的孤立森林算法构建初始攻击检测模型,所述改进的孤立森林算法依据特征维度自适应分裂策略生成分裂阈值;

6、将所述规整网络流量数据集输入所述初始攻击检测模型进行异常评分计算,生成每个监测周期对应的攻击异常评分值;

7、根据所述攻击异常评分值的大小将每个监测周期标记为攻击周期或正常周期,得到攻击周期标记序列;

8、针对所述攻击周期标记序列中的每个攻击周期,从所述规整运行数据集中提取该攻击周期对应的运行参数向量,生成攻击期运行参数集合;

9、对所述攻击期运行参数集合中的每个运行参数向量执行风险传播链追踪操作,生成该攻击周期对应的配电网风险评估结果。

10、进一步地,基于所述规整运行数据集和所述规整网络流量数据集,调用改进的孤立森林算法构建初始攻击检测模型的步骤,具体包括:

11、从所述规整运行数据集中提取每个监测周期的系统负荷特征值和系统频率特征值,生成运行特征矩阵;

12、从所述规整网络流量数据集中提取每个监测周期的数据包传输速率特征值和异常端口访问次数特征值,生成流量特征矩阵;

13、将所述运行特征矩阵与所述流量特征矩阵按监测周期进行横向拼接,生成联合特征矩阵,所述联合特征矩阵的每一行对应一个监测周期的多维特征向量;

14、将所述联合特征矩阵输入所述改进的孤立森林算法,所述改进的孤立森林算法对所述联合特征矩阵的每一特征维度分别计算该特征维度上的数值分布范围;

15、根据每个特征维度的数值分布范围将该特征维度的分裂区间划分为多个等宽子区间,统计每个等宽子区间内的样本数量,选择样本数量最小的等宽子区间对应的数值范围作为该特征维度的自适应分裂区间;

16、从所述联合特征矩阵的所有特征维度中随机选择一个目标特征维度,在所述目标特征维度的自适应分裂区间内随机生成一个分裂值,以所述分裂值为界将所述联合特征矩阵分裂为左子矩阵和右子矩阵;

17、重复执行特征维度随机选择及分裂值随机生成的操作,直至每个子矩阵中仅包含单个样本或达到预设的树深度阈值,生成孤立森林的每一棵孤立树,将所有孤立树组合为所述初始攻击检测模型。

18、进一步地,所述改进的孤立森林算法在生成孤立树时,若当前节点样本的特征维度数值分布范围小于预设的最小分裂阈值,则将该节点标记为叶子节点,提前终止分裂。

19、进一步地,将所述规整网络流量数据集输入所述初始攻击检测模型进行异常评分计算,生成每个监测周期对应的攻击异常评分值的步骤,具体包括:

20、将所述规整网络流量数据集中每个监测周期的网络流量特征向量输入所述初始攻击检测模型中的每一棵孤立树;

21、对于每一棵孤立树,从该孤立树的根节点开始,按照该孤立树每个内部节点上记录的目标特征维度和分裂值,将所述网络流量特征向量沿该孤立树向下遍历,直至到达该孤立树的叶子节点;

22、记录所述网络流量特征向量在该孤立树中从根节点到达叶子节点所经过的路径长度数值;

23、将该孤立树的预设树深度阈值与所述路径长度数值的差值作为该孤立树对该网络流量特征向量的分支差异值;

24、将所有孤立树对所述网络流量特征向量的分支差异值进行累加,得到分支差异总和值;

25、将所述分支差异总和值除以所述孤立森林中孤立树的总棵数与预设归一化常数的乘积,得到归一化差异比值;

26、用数值一减去所述归一化差异比值,得到每个监测周期对应的攻击异常评分值。

27、进一步地,所述预设归一化常数是根据所述预设的树深度阈值通过指数函数计算得出的。

28、进一步地,根据所述攻击异常评分值的大小将每个监测周期标记为攻击周期或正常周期,得到攻击周期标记序列的步骤,具体包括:

29、获取所述目标配电网系统在无攻击状态下的正常运行周期对应的历史异常评分样本集合;

30、计算所述历史异常评分样本集合的评分均值和评分标准差;

31、将所述评分均值与三倍评分标准差的和值作为第一异常门限值;

32、将所述评分均值与三倍评分标准差的差值作为第二异常门限值;

33、对于每个监测周期对应的攻击异常评分值,判断该攻击异常评分值是否大于所述第一异常门限值或者小于所述第二异常门限值;

34、当该攻击异常评分值大于所述第一异常门限值或者小于所述第二异常门限值时,将该监测周期标记为攻击周期;

35、当该攻击异常评分值小于或等于所述第一异常门限值且大于或等于所述第二异常门限值时,将该监测周期标记为正常周期;

36、将所述多个监测周期对应的标记结果按照时间顺序排列,生成所述攻击周期标记序列。

37、进一步地,针对所述攻击周期标记序列中的每个攻击周期,从所述规整运行数据集中提取该攻击周期对应的运行参数向量,生成攻击期运行参数集合的步骤,具体包括:

38、遍历所述攻击周期标记序列,提取所有被标记为攻击周期的监测周期的时间戳信息,得到攻击周期时间戳列表;

39、对于所述攻击周期时间戳列表中的每个时间戳信息,定位所述规整运行数据集中与该时间戳信息对应的目标数据行;

40、从所述目标数据行中提取母线的电压幅值参数、馈线的电流幅值参数、变压器的油温参数以及断路器的开闭状态参数,构成该攻击周期的运行参数向量;

41、将从同一攻击周期提取的所有运行参数向量按照参数类型进行分组,得到每个参数类型对应的攻击周期参数序列;

42、将每个攻击周期对应的运行参数向量及其所属的攻击周期时间戳信息关联存储,生成所述攻击期运行参数集合。

43、进一步地,对所述攻击期运行参数集合中的每个运行参数向量执行风险传播链追踪操作,生成该攻击周期对应的配电网风险评估结果的步骤,具体包括:

44、所述配电网风险评估结果用于指示受攻击影响的设备集合及对应的风险等级;

45、从所述攻击期运行参数集合中选取一个目标攻击周期对应的目标运行参数向量;

46、解析所述目标运行参数向量中的断路器的开闭状态参数,识别出状态发生跳变的断路器集合,将所述断路器集合作为风险起始节点集合;

47、以所述风险起始节点集合中的每个断路器为起点,按照所述目标配电网系统的拓扑连接关系执行广度优先遍历,生成每个断路器的下游设备集合;

48、将所述目标运行参数向量中的母线的电压幅值参数与预设的电压正常运行范围进行比较,标记电压幅值参数超出所述电压正常运行范围的母线为电压异常母线;

49、将所述目标运行参数向量中的馈线的电流幅值参数与预设的电流正常运行范围进行比较,标记电流幅值参数超出所述电流正常运行范围的馈线为电流异常馈线;

50、将所述电压异常母线与所述电流异常馈线添加至所述下游设备集合中,生成扩展下游设备集合;

51、对于所述扩展下游设备集合中的每个设备,计算该设备的电压偏离度与电流偏离度的加权和,得到该设备的风险传播权重值;

52、按照所述风险传播权重值从大到小的顺序对所述扩展下游设备集合中的设备进行排序,选取排序前预设数量的设备作为受攻击影响的设备集合,将每个设备的风险传播权重值映射到预设的风险等级区间,得到该设备的风险等级。

53、进一步地,计算所述电压偏离度的方法为:将母线电压幅值参数与预设电压标准值的差值的绝对值除以所述预设电压标准值。

54、进一步地,计算所述电流偏离度的方法为:将馈线电流幅值参数与预设电流标准值的差值的绝对值除以所述预设电流标准值。

55、与现有技术相比,本发明的有益效果是:

56、基于特征维度自适应分裂策略生成孤立森林算法分裂阈值,摒弃固定阈值设置方式,依据配电网多源数据自身维度特征自动匹配对应阈值参数。依托经过数据清洗、时间对齐、协议解析及流量重组后的规整数据集参与模型构建,使模型训练过程基于统一格式与时序标准的数据开展,降低原始数据时序错乱与格式差异带来的干扰,异常评分计算能够贴合网络流量数据自身隐含的异常特征分布规律。通过量化异常评分数值完成监测周期类别划分,形成规范化的周期标记序列,实现网络攻击时段与正常运行时段的有序区分。

57、对标记为攻击周期的时段单独提取对应运行参数向量,归集形成独立的攻击期运行参数集合,实现攻击相关运行数据的集中归集与独立管理。对集合内每一组运行参数向量开展风险传播链追踪,依照参数间内在关联关系逐层梳理状态变化的传递路径,完整呈现网络攻击影响在配电网系统内部的逐层关联演变过程。以链路追踪方式梳理多参数之间的联动变化关联,按照实际关联逻辑完成风险层级的逐层梳理,形成完整的风险研判依据,使风险评估全过程遵循系统参数关联演变的内在逻辑,形成连贯完整的风险评定过程。