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！

龙图腾网获悉重庆邮电大学申请的专利一种基于改进概率神经网络的智能电网安全态势评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117235596B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311165102.4，技术领域涉及：G06F18/241；该发明授权一种基于改进概率神经网络的智能电网安全态势评估方法是由胡向东;王拓;白银;韩恺敏;崔鹏设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本一种基于改进概率神经网络的智能电网安全态势评估方法在说明书摘要公布了：本发明涉及一种基于改进概率神经网络的智能电网安全态势评估方法，属于互联网技术领域。该方法具体包括如下步骤：S1、收集智能电网安全数据信息和安全资产信息，建立智能电网安全数据库；S2、对数据库中的安全数据进行数据清洗、归一化预处理，得到智能电网安全数据集；S3、将数据集输入XGBOOST进行特征筛选，提取出其关键特征；S4、采用留出法构造样本集和测试集；S5、搭建XGBOOST‑ISSA‑PNN智能电网安全态势评估模型，并利用训练集样本集对模型进行分类训练并保留其最优参数；S6、利用训练好的XGBOOST‑ISSA‑PNN攻击检测模型对样本测试集进行攻击检测，根据不同攻击的量化指标计算网络安全态势值，评估智能电网的安全状况。

本发明授权一种基于改进概率神经网络的智能电网安全态势评估方法在权利要求书中公布了：1.一种基于改进概率神经网络的智能电网安全态势评估方法，其特征在于：该方法包括以下步骤： S1：收集智能电网安全数据信息和安全资产信息，建立智能电网安全数据库； S2：对数据库中的安全数据进行数据清洗、归一化预处理，得到智能电网安全数据集； S3：将数据集输入XGBOOST进行特征筛选，提取出其关键特征； S4：采用留出法构造训练样本数据集和测试样本数据集； S5：搭建XGBOOST-ISSA-PNN智能电网安全态势评估模型，并利用训练集样本集对模型进行分类训练并保留其最优参数；将混沌优化算法和改进后的高斯变异算法引入麻雀算法得到改进后的麻雀优化算法，首先使用混沌优化算法初始化麻雀算法中的种群规模、最大迭代次数、空间维数，再利用步骤S4中构建的训练样本数据集训练态势评估模型，以经过训练得到的评估值和真实值之间的残差作为适应度函数，找出最优麻雀个体，然后引入改进后的高斯变异算法对最优个体进行扰动寻优，最后将得到的最优个体对概率神经网络参数进行优化，构建出基于XGBOOST-ISSA-PNN的智能电网安全态势评估模型； 所述S5具体包括以下步骤： S51：模型参数初始化：设定概率神经网络模型的初始参数、平滑因子σ参数，设定n为麻雀种群的数量，itermax表示最大迭代次数，并采用混沌优化算法初始化麻雀种群，使种群均匀分布，对位置进行初始化，Tent混沌优化算法的公式如下所示： 式中：Xt+1为第t+1次迭代时的混沌数值；Xt为第t次迭代时的混沌数值；α为区间[0,1]的常量，α取α＝0.75；T为最大迭代次数； S52：PNN神经网络训练，以经过训练得到的评估值和真实值之间的残差作为麻雀搜索算法的适应度函数来计算每个麻雀个体的适应度值； S53：更新发现者、跟随者、警戒者的位置： 每一次迭代过程中，种群中发现者的位置公式的更新如下式： 式中：t为当前迭代次数；为第t代第i个麻雀在第j维的位置，j＝1,2,3,m；itermax为最大迭代次数；随机值α∈0,1；随机值R2∈[0,1]，为警戒者发出的预警值；安全阈值ST∈[0.5,1.0]；Q为满足于[0,1]正态分布的随机值；L为1×m的一维矩阵，其元素值都为1； 每一次迭代过程中，跟随者的位置更新公式如下所示： 式中：为第t+1代麻雀种群中最优发现者的所在位置；为第t代麻雀在全局中的最差位置；当i＞n2时表示位置较差的第i个追随者没有好的食物来源，需要飞往其他地方进行觅食，n表示麻雀总数；A为一个1×m的矩阵，矩阵中的每个元素随机取1或-1，且矩阵A满足A*＝ATAAT-1； 每一次迭代过程中，警戒者的位置更新公式如下所示： 式中：为第t代麻雀种群在全局中的最优位置；β和k都是用来对步长进行改善的系数，其中β满足于均值为0，方差为1的标准正态分布；k为[-1，1]内的一个随机数值，表示麻雀的运动方向；fi为当前麻雀个体的适应度值，而fw和fg分别是当前麻雀种群的全局最优位置的适应度值和最差位置的适应度值；ε为一个常数； S54：对最优麻雀个体进行改进后的高斯变异操作，对最优个体进行扰动寻优，改进后的扰动公式如下： Xnbest＝Xbest[1+r] r＝0.05e1-tT 式中：Xnbest为高斯扰动后的位置；Xbest为当前全局最优位置；算法迭代过程中，r将非线性递减；算法在开始时具有较大的r值，可以提升其全局寻优能力；算法迭代后期r值逐渐减小，算法的局部寻优能力得到改善； S55：判断是否达到最大迭代次数，若达到要求就输出当前最佳位置，从而得到最佳的平滑因子σ参数，以此建立最优智能电网安全态势评估模型； S6：利用训练好的XGBOOST-ISSA-PNN攻击检测模型对样本测试集进行攻击检测，根据不同攻击的量化指标计算网络安全态势值，评估网络的安全状况；所述S6具体包括以下步骤： S61：将S4步骤得到的测试样本数据集输入到保留最优参数的XGBOOST-ISSA-PNN攻击检测模型中，得到其具体的攻击分类； S62：安全态势值计算：综合考虑智能电网系统的漏洞种类、漏洞危害等级、相关设备资产信息、攻击数量、安全产品数量等信息进行安全要素提取，并考虑脆弱性指数V、威胁性指数T、资产安全风险指数A三个安全要素对智能电网安全态势值进行评估，而后引入安全态势值公式来量化评价智能电网的安全态势，如下所示： SA＝gω1V+ω2T+ω3A 式中,SA表示一个周期的安全态势值；ω1,ω2,ω3为权重，V表示受攻击后系统的脆弱性指数量化值；T表示受攻击后系统的威胁性指数量化值；A表示受攻击后系统的资产安全风险指数量化值；g·为归一化函数； S63：智能电网安全态势评估：根据攻击检测情况，结合态势值计算公式，得到智能电网的安全态势值，结合安全态势评估等级，输出智能电网的安全态势评估结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。