电力通信网络安全防护系统设计与入侵检测方法研究.docxVIP

PAGE2

电力通信网络安全防护系统设计与入侵检测方法研究

摘要

随着智能电网的快速建设与泛在电力物联网的深度应用，电力通信网络已从相对封闭的内部专网转变为开放互联的混合网络，面临着日益严峻的网络安全威胁。传统的防火墙与病毒查杀技术难以有效应对针对电力协议的高级持续性威胁（APT）与零日攻击，亟需构建一套主动防御与动态感知相结合的安全防护体系。本文以电力通信网络为研究对象，设计了一套集访问控制、入侵检测、安全审计于一体的网络安全防护系统，并重点研究了基于深度学习的入侵检测方法，旨在提升电力通信网络对抗复杂攻击的能力。

本文首先分析了电力通信网络的业务特性与安全需求，明确了系统“分区防护、分级响应”的设计原则。在总体设计阶段，构建了包含感知层、网络层、数据层与应用层的四层架构，设计了数据采集、预处理、检测分析与响应处置四大功能模块。其次，针对传统检测方法对电力协议特征提取不足的问题，提出了一种基于卷积神经网络（CNN）与长短期记忆网络（LSTM）融合的入侵检测算法。该算法利用CNN提取流量数据的空间特征，利用LSTM捕捉时间序列特征，有效提升了检测精度。在系统实现阶段，基于Python与TensorFlow框架完成了核心模块开发，并设计了电力专用协议解析插件。最后，通过搭建仿真测试环境，对系统功能与性能进行了全面验证。测试结果表明，系统对DDoS攻击、端口扫描及恶意代码注入等攻