基于大数据的配电网络复合攻击预测方法研究

当前配电网络复合攻击环境较为复杂,有很大的不确定性,当前复合攻击预测方法收敛性较低,很难准确预测出攻击背景,导致预测结果不可靠。提出一种新的基于大数据的配电网络复合攻击预测方法,对配电网络中的报警数据进行预处理,以提高效率。在大数据分析的基础上,将隐马尔科夫模型应用于配电网络复合攻击预测中,要求配电网络依据得到的报警信息对隐藏的攻击行为进行挖掘。通过攻击行为概率分布、关联规则法得到初始状态矩阵、状态转移矩阵以及观察矩阵,引入粒子群算法对参数进行全局优化。通过隐马尔科夫模型中的Viterbi算法对配电网络复合攻击的攻击意图进行挖掘,预测下一步攻击。实验结果表明,所提方法具有很高的收敛性和预测精度。