基于多分类器的电力监控系统未知威胁检测方法

摘要

传统网络防御技术依赖先验知识，面对复杂且隐蔽的未知威胁时，防御能力有限。为应对这一挑战，提出一种基于内生安全理论和动态异构冗余（DHR）构造的未知威胁检测方法，旨在提升电力监控系统中的异常流量感知精度。该方法融合多种分类器优势，采用动态、异构、冗余的学习框架，通过集成学习、判别式模型等异构学习方法，增强模型的鲁棒性与精度。核心技术包括多分类器表决与反馈机制，通过迭代优化调整样本分布，持续提升检测性能。该方法有降低单一模型的泛化问题、减少陷入局部极小的风险以及扩展表示空间提升适应性等优点。实验结果表明，该方法在电力监控系统中检测未知威胁的高准确性。

关键词

电力监控系统 / 内生安全 / 未知威胁检测 / 异常检测 / 态势感知