一种电力信息网络安全态势评估方法与系统与流程

技术特征：
1.一种电力信息网络安全态势评估方法，其特征在于，包括：s1，拟合复杂电力网络安全态势评估中的感知数据与安全态势之间的隐函数关系，进而计算出网络安全态势评估值，从而建立基于神经网络的复杂网络安全态势评估模型；s2，采用人工蜂群搜索(abc)算法优化神经网络的权值和偏置值，获得最优的权值和偏置值，使abcnn模型评估结果更准确；s3，引入以不规则性，遍历性和随机性为特征的混沌序列，以执行整个群体的初始化过程，判断是否达到混沌迭代次数，如果不符则重新更新混沌变量；其中，所述基于神经网络的复杂网络安全态势评估模型，根据神经网络的待优化的权值参数作为蜜源的位置，神经网络输出的评估值与真实安全态势评估值的差值平方作为蜜源的适应度函数。2.根据权利要求1所述的一种电力信息网络安全态势评估方法，其特征在于，所述s1具体包括：s11，网络安全态势指标输入，态势指标数据归一化后构成向量(x1，x2，
…
，xn)作为神经网络的输入层，以消除不同物理单位量纲的影响；s12，态势指标到态势评估的隐含层，采用双隐含层的网络结构，并通过人工蜂群算法训练神经网络的权值。既提高了神经网络的表征能力，又能够有效减少神经网络的训练时间，及时为网络安全态势提供实时评估值；s13，网络安全态势评估值输出，将安全态势由安全到危险划分为五个等级，并用实数区间进行定量描述。3.根据权利要求2所述的一种电力信息网络安全态势评估方法，其特征在于，所述s11具体包括：(1)协议包分布。设电力信息网络中tcp包总量为ntcp，udp包总量为nudp，icmp包总量为nicmp，则tcp包分布为：udp包分布为：icmp包分布为：(2)流量变化率。设t时刻网络流入数据量为nt，t δt时刻网络数据字节总量为nt δt，则流量变化率为(3)攻击频率归一化，
其中f为单位时间内发生攻击的次数。(4)攻击源数量归一化，其中n为攻击源的数目。4.根据权利要求2所述的一种电力信息网络安全态势评估方法，其特征在于，所述s12具体包括：(1)设输入层的态势指标为(x1，x2，
…
，xn)，输入层第i个态势指标到到隐含层1中第j个神经元的连接权重为w(1)ij；(2)隐含层1中第j个神经元输出h(1)j到隐含层2中第k个神经元的连接权重为w(2)jk；(3)隐含层2中第k个神经元输出h(2)k到输出层的连接权重为w(3)k，输出的态势评估值为y；(4)式1中的“ 1”为神经网络的偏置值，设为xn 1＝1，h(1)n1 1＝1，h(2)n2 1＝1。则初始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。5.根据权利要求1-4任一项所述的一种电力信息网络安全态势评估方法，其特征在于，所述s2具体包括：(1)随机初始化n个雇佣蜂位置，即为神经网络权值，并计算相应的适应度函数值；(2)雇佣蜂对蜜源附近邻域搜索，若邻域蜜源比原位置蜜源更好，则用邻域替代原位置；否则，保持原位置不变；(3)旁观蜂以一定概率pi选择要跟随的雇佣蜂，并进行邻域搜索。若邻域蜜源比原位置蜜源更好，则用邻域替代原位置；否则，保持原位置不变；其中；(4)若某蜜源的适应函数值多次循环后仍保持不变，则相应的雇佣蜂转变为侦查蜂，重新随机搜索；(5)迭代截止时返回最优蜜源位置与最优目标函数值；否则，跳转到步骤(2)。6.根据权利要求1-5任一项所述的一种电力信息网络安全态势评估方法，其特征在于，所述s3具体包括：引入了以不规则性，遍历性和随机性为特征的混沌序列，以执行整个群体的初始化过程。基于混沌序列的蜂群初始化步骤如下：(1)设置混沌最大迭代次数；(2)随机初始化混沌变量λ
0，j
∈(0，1)；(3)更新λ
i 1，j
＝μ
×
λ
i，j
(1-λ
i，j
)；(4)若达到最大迭代次数，则输出混沌随机值；否则，跳转到(3)；
(5)x
i，j
＝x
min，j
λ
i，j
(x
max，j-x
min，j
)，其中x
min，j
和x
max，j
分别是输入态势指标的上界和下界。7.一种电力信息网络安全态势评估的系统，其特征在于，包括：基于神经网络的复杂网络安全态势评估模型建立模块、改进人工蜂群算法的复杂网络安全态势评估模块和混沌迭代次数调优模块；所述基于神经网络的复杂网络安全态势评估模型建立模块用于拟合复杂电力网络安全态势评估中的感知数据与安全态势之间的隐函数关系，进而计算出网络安全态势评估值，从而建立基于神经网络的复杂网络安全态势评估模型；所述改进人工蜂群算法的复杂网络安全态势评估模块用于采用人工蜂群搜索(abc)算法优化神经网络的权值和偏置值，获得最优的权值和偏置值，使abcnn模型评估结果更准确；所述混沌迭代次数调优模块用于引入以不规则性，遍历性和随机性为特征的混沌序列，以执行整个群体的初始化过程，判断是否达到混沌迭代次数，如果不符则重新更新混沌变量。其中，所述基于神经网络的复杂网络安全态势评估模型，根据神经网络的待优化的权值参数作为蜜源的位置，神经网络输出的评估值与真实安全态势评估值的差值平方作为蜜源的适应度函数。8.根据权利要求7所述的一种电力信息网络安全态势评估的系统，其特征在于，所述基于神经网络的复杂网络安全态势评估模型建立模块包括网络安全态势指标输入模块、态势指标到态势评估的隐含层模块、网络安全态势评估值输出模块。所述网络安全态势指标输入模块，用于态势指标数据归一化后构成向量(x1，x2，
…
，xn)作为神经网络的输入层，以消除不同物理单位量纲的影响，具体步骤如下：(1)协议包分布。设电力信息网络中tcp包总量为ntcp，udp包总量为nudp，icmp包总量为nicmp，则tcp包分布为：udp包分布为：icmp包分布为：(2)流量变化率。设t时刻网络流入数据量为nt，t δt时刻网络数据字节总量为nt δt，则流量变化率为(3)攻击频率归一化，
其中f为单位时间内发生攻击的次数。(4)攻击源数量归一化，其中n为攻击源的数目。所述态势指标到态势评估的隐含层模块，采用双隐含层的网络结构，并通过人工蜂群算法训练神经网络的权值。既提高了神经网络的表征能力，又能够有效减少神经网络的训练时间，及时为网络安全态势提供实时评估值，具体步骤如下：(1)设输入层的态势指标为(x1x2，
…
，xn)，输入层第i个态势指标到到隐含层1中第j个神经元的连接权重为w(1)ij；(2)隐含层1中第j个神经元输出h(1)j到隐含层2中第k个神经元的连接权重为w(2)jk；(3)隐含层2中第k个神经元输出h(2)k到输出层的连接权重为w(3)k，输出的态势评估值为y；(4)式1中的“ 1”为神经网络的偏置值，设为xn 1＝1，h(1)n1 1＝1，h(2)n2 1＝1。则初始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。始化各个流体粒子的位置、速度，流体的密度、运动方向，以及常压。所述网络安全态势评估值输出模块用于根据安全态势评估值借鉴国家互联网中心对网络安全态势的划分标准，依托网络安全形势特点，将安全态势由安全到危险划分为五个等级，并用实数区间进行定量描述。9.根据权利要求8所述的一种电力信息网络安全态势评估的系统，其特征在于，所述改进人工蜂群算法的复杂网络安全态势评估模块用于获得最优的权值和偏置值，其步骤具体包括：(1)随机初始化n个雇佣蜂位置，即为神经网络权值，并计算相应的适应度函数值；(2)雇佣蜂对蜜源附近邻域搜索，若邻域蜜源比原位置蜜源更好，则用邻域替代原位置；否则，保持原位置不变；(3)旁观蜂以一定概率pi选择要跟随的雇佣蜂，并进行邻域搜索。若邻域蜜源比原位置蜜源更好，则用邻域替代原位置；否则，保持原位置不变；其中；(4)若某蜜源的适应函数值多次循环后仍保持不变，则相应的雇佣蜂转变为侦查蜂，重新随机搜索。(5)迭代截止时返回最优蜜源位置与最优目标函数值；否则，跳转到步骤(2)。10.根据权利要求9所述的一种电力信息网络安全态势评估的系统，其特征在于，所述混沌迭代次数调优模块具体引入了以不规则性，遍历性和随机性为特征的混沌序列，以执
行整个群体的初始化过程，其步骤具体包括：(1)设置混沌最大迭代次数；(2)随机初始化混沌变量λ
0，j
∈(0，1)；(3)更新λ
i 1，j
＝μ
×
λ
i，j
(1-λ
i，j
)；(4)若达到最大迭代次数，则输出混沌随机值；否则，跳转到(3)；(5)x
i，j
＝x
min，j
λ
i，j
(x
max，j-x
min，j
)，其中x
min，j
和x
max，j
分别是输入态势指标的上界和下界。

技术总结
本发明公开了一种电力信息网络安全态势评估方法和系统，涉及电力信息安全领域。该方法包括：拟合复杂电力网络安全态势评估中的感知数据与安全态势之间的隐函数关系，进而计算出网络安全态势评估值，从而建立基于神经网络的复杂网络安全态势评估模型；采用人工蜂群搜索(ABC)算法优化神经网络的权值和偏置值，获得最优的权值和偏置值，使ABCNN模型评估结果更准确；引入以不规则性，遍历性和随机性为特征的混沌序列，以执行整个群体的初始化过程，判断是否达到混沌迭代次数，如果不符则重新更新混沌变量；通过本方案提出的基于神经网络的复杂网络安全态势评估模型，有效提高了网络安全态势的评估精度，加快了收敛速度。加快了收敛速度。加快了收敛速度。


技术研发人员：李启蒙 高丽芳 连阳阳 杨会峰 孙辰军 王静 郭少勇 王少影
受保护的技术使用者：国家电网有限公司
技术研发日：2020.07.30
技术公布日：2022/2/18