Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学李中伟获国家专利权

哈尔滨工业大学李中伟获国家专利权

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!

龙图腾网获悉哈尔滨工业大学申请的专利一种基于隐马尔可夫模型的智能变电站入侵检测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:CN120074902B

龙图腾网通过国家知识产权局官网在2026-04-07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:202510198371.3,技术领域涉及:H04L9/40;该发明授权一种基于隐马尔可夫模型的智能变电站入侵检测方法是由李中伟;张龙轩;李青阳;姜文淇;金显吉;马梓涵;刘诗钰;董健;刘锦秋设计研发完成,并于2025-02-22向国家知识产权局提交的专利申请。

一种基于隐马尔可夫模型的智能变电站入侵检测方法在说明书摘要公布了:一种基于隐马尔可夫模型的智能变电站入侵检查方法,包括以下步骤:S1:按照时间尺度对网络流量进行分段切割,提取报文标识、报文量测数据及报文吞吐量大小,构建入侵检测数据集;S2:基于无迹卡尔曼滤波方法,计算状态变量与量测值的差值,建立能够计算攻击检测指数的状态模型;S3:建立ARIMA模型,筛选最优流量模型并确定检测置信区间,建立流量吞吐量检测模型;S4:建立多条协议合规度检测规则并基于汉明距离计算方法,建立规范检测模型;S5:实时检测智能变电站网络流量,分别依据S2、S3、S4建立的模型计算检测向量并且作为隐马尔可夫模型的输入变量,对系统异常特征进行综合分析并实现最终判别。

本发明授权一种基于隐马尔可夫模型的智能变电站入侵检测方法在权利要求书中公布了:1.一种基于隐马尔可夫模型的智能变电站入侵检测方法,其特征在于,所述方法包括如下步骤: S1:按照时间尺度对连续网络流量进行分段切割,提取同一时间窗口内能够表征报文协议合规度的报文标识、报文传递的量测数据及报文吞吐量大小,构建完整的入侵检测数据集; S2:提取节点的量测数据,基于无迹卡尔曼滤波方法,计算状态变量与量测值的差值,建立能够计算反映变量偏离程度的攻击检测指数的状态模型;所述S2具体步骤如下: S2.1:对智能变电站的电气观测量进行建模,建立电压幅值状态方程、电压相角状态方程、节点电流状态方程; S2.2:离散化三个状态方程,得到单节点的状态方程; S2.3:建立观测方程,其中,为观测向量,为观测矩阵,为量测噪声,为状态向量,、、分别为电压、相角、电流的传感器量测值; S2.4:建立UKF模型,状态预测方程:,量测预测方程:,其中为数据状态方程,为量测非线性方程,为正态分布的噪声; S3:将报文实时流量看作时间序列数据并通过ARIMA模型进行建模,基于流量变化规律,在多次拟合后的流量模型中筛选拟合效果最优的流量模型,并基于筛选规则确定检测的置信区间,建立能够计算流量吞吐量的时序模型; S4:依据IEC61850协议规范,建立多条协议合规度检测规则,并基于汉明距离计算方法,建立能够判断报文是否符合通信协议规范的规范检测模型; S5:实时检测智能变电站网络流量,分别依据S2、S3、S4中建立的模型计算数据完整性检测向量、流量吞吐量检测向量、协议合规度检测向量,经归一化后,作为隐马尔可夫模型的输入变量,结合观测序列数据,对系统异常特征进行综合分析并实现最终判别;所述S5的具体步骤为: S5.1:组合上述模型所得到的相同时间窗口下的特征向量,建立隐马尔科夫模型,根据历史数据的特征向量继续训练,计算模型参数,其中为初始状态概率分布,为状态转移概率矩阵,为观测概率矩阵; S5.2:从过程层与间隔层的交换机中捕获实时网络流量,提取实时报文中能够表征报文协议合规度的报文标识、报文传递的数据及报文吞吐量大小; S5.3:提取多个节点量测报文中的电压幅值,电压相角和流经该节点的电流幅值,生成状态向量; S5.4:根据S2.4建立的UKF模型预测当前时刻的状态向量和误差协方差矩阵,根据观测数据与预测值,计算卡尔曼增益,更新状态估计向量和协方差矩阵,根据状态估计向量与实际测量值,计算状态变量与量测值的差值、预测值与量测值的差值,并进一步计算攻击检测指数,生成多个节点固定时间段内的数据完整性检测向量; S5.5:根据聚合后的报文流量数据,对当前报文流量进行预测,计算实时报文流量实测值与检测阈值的差值,生成流量吞吐量检测向量; S5.6:计算每条报文与规范报文的汉明距离值,根据时间聚合尺度生成单位时间内的报文协议合规性检测向量; S5.7:前述的检测阶段获取检测向量、、,构建报文特征序列; S5.8:使用前向算法计算报文序列概率,其中为在模型参数下观测序出现的概率,表示隐藏状态总数,表示在时间处于状态的概率;设定检测阈值,若,则判定当前报文序列异常,存在攻击行为,若,则判定当前报文序列正常。

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哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。