基于双向长短时记忆和卷积神经网络的智能电网入侵检测

摘要

智能电网提供了一种高效、智能的能源供应和消耗管理方法，可提高能源利用率。但因其依赖于通信技术，易遭受网络攻击，对其可靠性造成巨大威胁。因此，提出了双向基于长短时记忆网络(Bi LSTM)和卷积神经网络(CNN)的智能电网入侵检测方法。首先，采用尺寸自适应特征选择(ESAPSO)方法对原始数据进行特征选择，去除不相关和冗余特征。然后，采用Bi LSTM模块建模和捕获数据中的长程依赖关系，提高动态网络环境中入侵检测的有效性和可靠性。CNN能够自动学习和提取相关特征，有效地处理复杂数据。最后，将Bi LSTM和CNN的输出融合在一起用于电网入侵检测。本文在CIC-DDoS2019和自定义数据集上进行实验，准确率、精确率、召回率和F1-分数均表现较优，证明了方法的有效性。

关键词

智能电网 / 入侵检测 / 卷积神经网络 / 双向长短时记忆网络 / 特征选择