买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司淮安供电分公司;南京邮电大学;南京鼎研电力科技有限公司

摘要：本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。

主权项：1.一种基于DNN及K-means的电力系统网络流量识别方法，其特征在于，包括如下步骤：步骤1：对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本，所述数据样本包括服务器IP地址、端口、协议、客户端IP地址、字节数、比特率、包数、会话总数和时间；步骤2：对所述样本数据进行整合操作和归一化操作进行预处理；步骤3：迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；所述步骤3中的DNN网络模型结构为：输入层输入n维的数据样本，经隐藏层的三个全连接层输出数据特征到输出层，输出层输出一个logit值，经Sigmoid激活函数变为预测的置信度值，三个全连接层使用非线性激活函数Relu使用实时测试数据输入网络，得到预测结果置信度，接着对DNN网络模型输出的结果概率值进行判定，得到正负例；步骤3.1：数据的获取，对于一组电力系统网络流量训练数据{xn,yn|1≤n≤N}，其中，x为网络流量样本，包括某个端IP的总包数、每秒包数、总字节数、每秒字节数等统计信息；y是样本标签，是一个人工标注的值，表示该训练数据是否为服务器；N是训练数据总数；步骤3.2：对于一个DNN网络输出函数f，将数据输入网络，得到一个分类结果： 其中，是分类结果置信度，θ为DNN网络模型的网络参数；步骤3.3对DNN网络模型进行迭代训练，使用二元交叉熵函数作为训练的损失函数： 步骤3.4：对网络参数θ进行优化更新，选用随机梯度下降作为优化器；步骤4：对DNN网络模型处理后的判定为疑似服务器的样本再使用K-means算法进行分类；步骤4.1：确定一个阈值，对分类结果进行划分，高于阈值的被认为是服务器，低于阈值的则不是，找出所有被分类为服务器的结果的原始流量样本，在其中添加各自的分类置信度，形成新的样本数据M是新样本总数；步骤4.2：确定聚类的K值，从而确定K个聚类中心{ck|1≤k≤K}，并对这些聚类中心进行随机初始化；计算每一个样本到每个聚类中心的欧氏距离，依次比较每一个样本到每一个聚类中心的距离，然后将样本分配到距离最近的聚类中心的类簇中，得到K个类簇{sk|1≤k≤K}；步骤4.3：得到类簇后，K-means算法将通过类簇更新聚类中心的位置，新聚类中心为类簇中各个样本在各个维度上的均值。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司淮安供电分公司 南京邮电大学 南京鼎研电力科技有限公司 一种基于DNN及K-means的电力系统网络流量识别方法