【多传感器融合】在电力系统中针对网络入侵的多源数据融合（Python代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码、数据、文章

---

💥1 概述

摘要—网络攻击可能对电力系统造成严重影响，除非早期检测到。然而，在关键基础设施系统中准确和及时的检测存在挑战，例如由于零日漏洞利用以及系统的网络物理结合性，需要对物理系统的高可靠性和韧性。传统的基于规则和异常的入侵检测系统（IDS）工具无法有效检测工控系统（ICS）网络中的零日网络入侵。因此，在这项工作中，我们展示了如何融合来自多个数据源的信息能够帮助识别由网络引发的事件并减少误报。具体来说，我们展示了如何识别和解决可以阻止基于融合检测准确使用多个数据源的障碍。我们在一个网络物理电力系统测试平台进行了多源数据融合，从中搜集网络和物理侧数据，这些数据源模拟了实际存在于公用事业中的数据源，并将其合成为用于检测入侵的算法特征。利用所提出的数据融合应用程序推断基于虚假数据和命令注入的中间人攻击。在数据收集后，数据融合应用程序使用时间同步合并并提取特征，然后进行前处理，如插补和编码，然后训练监督学习、半监督学习和无监督学习模型以评估IDS的性能。一个重要的发现是通过融合来自网络、安全和物理领域的特征来提高检测准确性。此外，我们观察到当被馈送我们的特征时，协同训练技术与监督学习方法表现相当。

关键词—多传感器融合，数据前处理，监督学习，无监督学习，协同训练，流形学习，实时测试平台，中间人攻击。

📚2 运行结果

 

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

Abhijeet Sahu˚ , Zeyu Mao˚ , Patrick Wlazlo˚ , Hao Huang˚ , Katherine Davis˚ , Ana Goulart˚ , and Saman Zonouz

🌈4 Python代码、数据、文章