基于改进机器学习的电力监控网络准入控制系统_王依云.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2021-09-10稿件编号：202109061作者简介：王依云（1997），女，海南琼山人，硕士研究生。研究方向：通信、机器学习、网络安全。电力监控网络准入系统能控制用户的网络行为，对应用进行安全管理，避免系统受到网络攻击1-2。传统的电力监控网络准入控制系统多采用遗传算法或NAT算法实现接入控制，但在实际应用中，由于识别准确率较低、流量协调性较差，使系统运行存在许多安全隐患，不利于电力监控网络准入控制系统的全面发展。改进机器学习技术通过建立抽象网络模型，根据系统以前的运行经验，不断学习新技术，并对原有算法不断完善，从而优化系统性能3-4。因此，该文以改进机器学习为基础，设计了基于改进机器学习的电力监控网络准入控制系统，介绍了系统的硬件结构和网络准入算法的工作流程，通过对原有评价指标权重分配机制进行改进，从而提升网络准入的准确率和基本性能，促进电力监控网络技术的进一步发展。1系统硬件设计基于改进机器学习的电力监控网络准入控制系统硬件，主要由中央处理器、控制器、无线通信设备、基于改进机器学习的电力监控网络准入控制系统王依云，吴 昊，赖宇阳，冯国聪，张丽娟（南方电网数字电网研究院有限公司平台安全分公司 网络安全事业部，广东 广州 510000）摘要：传统电力监控网络准入控制系统的数据阻塞率较高，对数据的有效拦截率较低。为解决上述问题，基于改进机器学习技术，深入研究了网络准入控制系统，对硬件结构和软件进行设计。硬件设计包括中央处理器、控制器和无线通信设备，通过确定适应度函数、指标集初始化、选择优秀个体、选择评价指标集群、进化迭代和数据控制实现软件流程。实验结果表明，所设计系统能够有效实现数据阻塞，提高有效拦截率。关键词：改进机器学习；电力监控；网络准入控制；控制系统中图分类号：TN301文献标识码：A文章编号：1674-6236（2023）06-0185-04DOI：10.14022/j.issn1674-6236.2023.06.039Power monitoring network access control system based onimproved machine learningWANG Yiyun，WU Hao，LAI Yuyang，FENG Guocong，ZHANG Lijuan（Network Security Division of Platform Security Branch of China Southern Power Grid Digital GridResearch Institute Co.，Ltd.，Guangzhou 510000，China）Abstract:The traditional admission control system of power monitoring network has high data blockingability and low effective blocking rate.To solve the above problems，based on the improved machinelearning technology，the network admission control system is deeply studied，and the hardware structureand software are designed.The hardware mainly includes CPU，controller and wireless communicationequipment.The software process is realized by determining fitness function，initializing index set，selecting excellent individuals，selecting evaluation index cluster，evolutionary iteration and data control.Experimental results show that the designed system can effectively block data and improve the effectiveinterception rate.Keywords:improved machine learning；power monitoring；network access control；control system-185电子设计工程 2023年第6期电源电路以及其他辅助设备构成，通过各硬件设备之间的紧密协作，为系统软件构建运行平台，实现系统的整体运行。系统硬件结构如图1所示。图1电力监控网络准入控制系统硬件结构1.1中央处理器中央处理器是电力监控网络准入控制系统的核心，为进一步提升系统的数据处理能力，中央处理器的核心芯片为 MSP430F149，该芯片具备功耗低、性能高、占用面积小等优势，其 FLASH 容量为 60 kB+256 B，RAM 为 2 kB，同时集成寄存器、16 位定时器、基本时钟等，且为提升数据传输的效率，增强了中央处理器的扩展力5-6。中央处理器结构如图 2所示。图2中央处理器结构中央处理器不仅能够对用户的请求进行数据采集、分析和计算，且对系统内部的运行具有监控作用。采用实时采集的方法确定系统内部数据，对数据进行分析，确定数据运行状态，从而确保可以针对系统的故障及时地完成故障诊断、故障定位以及故障清除。针对中央处理器无法恢复的故障，通过通信模块发出故障警报，警示工作人员进行故障修复7-8。1.2控制器控制器内部包含多个集成器，计数器、译码器、时序产生器和操作控制器都能够很好地完成命令的传输。它发出操作模块所需的操作命令，其主要功能是对中央处理器的指令进行译码和测试，生成相应的控制信号，指挥并控制其他电子元件的运行。为实现高质量的系统管理，控制器电路图如图3所示。图3控制器电路图为配合中央处理器，采用基本时钟和锁频环时钟并行的时钟模式，实现对系统整体功耗的有效控制，利用矢量终端确保不同的嵌入式系统都可以顺利工作，内部的多个并行模式可以进一步提升控制器的控制效果9-10。1.3无线通信设备为满足系统的通信需求，基于改进机器学习的电力监控网络准入控制系统采用无线局域网、WiFi、蓝牙、GPRS/CDMA 等多种通信共存的方式，实现系统终端与本地服务器、智能设备、云端及远程控制中心之间的通信11-12。其中，蓝牙通信系统包含有无线通信模块、支持模块、链路控制单元和链路管理单元，支持模块或单元与系统终端设备接口的通信连接。无线通信设备结构如图4所示。图4无线通信设备结构GPRS/CDMA 通信模式以 TCP/IP 传输协议为基础，采用专线或ADSL的方式接入到系统内部数据网中，分配有固定的IP地址进行数据交换。2系统软件设计在电力监控网络环境中，当用户在监控网络覆盖区内向控制系统终端发出接入请求时，触发系统-186的网络准入机制。假设，在电网监控网络覆盖区域内有 n 个用户同时向控制系统终端发送接入请求，系统根据评价指标对用户请求进行评价，假设控制系统共有 p 个评价指标，其中包含带宽比、时延、信号强度、逗留时间等，第i(i=1,2,n)个备选指标的评价指标值，用xij(i1n,1jp)表示。根据以上评价指标，构建网络评价指标样本集，采用权重求解法，判断评价指标的重要性。网络评价指标样本集如下：xij(i=1,2,n;j=1,2,p)（1）初始权重判决矩阵如下：X=|x11x12x13 x1px21x22x23 x2px31x32x33 x3p xn1xn2xn3 xnp（2）由于网络准入控制系统的评价指标存在多样性，因此为便于分析，通过归一化处理评价指标样本，确定处理序列：xij=xjmax-xoijxjmax-xjmin（3）其中，xoij表示原始指标样本，xij表示归一化后的指标样本。根据式（3）进行设定，得到网络权值为aj(j=1,2,p)。分析该网络权值对应的数据函数为z(i)(i=1,2,n)，二者加权求和得：z(i)=j=1pajxij,i=1,2,n（4）综合上述分析结果，进行二次权值分配，确定备用通量，根据确定结果获得效用值，对得到的效用值进行分析，则对应 z(i)值的用户请求享有优先准入权，且针对异常接入请求，若该请求的各项网络参数超过对应评价指标的标准阈值，则不允许接入13-14。通过上述介绍，基于改进机器学习的电力监控网络准入控制算法具有很好的寻优性能，具有较强的适应性和扩展性，能够解决传统准入控制方法难以解决的请求接入问题，其控制算法的工作流程如图5所示。1）确定适应度函数。在内部输入权重值，对适应函数进行分析，通过分析结果使系统更快速地确定评价指标函数，并将不同网络间的综合水平差距放大化，提升系统判断网络综合性能的准确率。2）评价指标集初始化及优秀个体的选择。按照随机均匀法产生评价指标集样本基因，对应评价指标分配方案，进行参数初始化。并对评价指标集中的优秀个体进行适应度评价，评价最优个体，不进行指标间的交叉、变异操作，可直接代入下一次评价中。3）评价指标的选择、交叉和变异。在评价指标集中个体评价指标适应值的评估基础上，选择评价指标集群，个体的适用性越强，被选择的可能性越大。将选择的评价指标进行交叉操作，针对不同类型的用户请求对比选择不同的评价指标集，且针对特殊请求，对部分评价指标采用变异处理，从而更准确地判断接入网络的综合性能。4）进化迭代。当不同用户接入网络间的对比次数超过 200 次，为保证系统运行稳定，立即停止运算，输出最前面的对比结果。5）运算停止后，在满足接入条件的数据库中，根据网络的综合能力排列顺序，依次允许接入15-16。3实验研究为验证该文研究的基于改进机器学习的电力监控网络准入控制系统的实际应用性能，设计对比实验，选择该文研究的电力监控网络准入控制系统和传统基于遗传算子和NAT两种电力监控网络准入控制系统进行实验对比，分析三种系统的在线控制性能。图5电力监控网络准入控制算法的工作流程王依云，等基于改进机器学习的电力监控网络准入控制系统-187电子设计工程 2023年第6期根据电力监控网络准入控制系统的应用需求，该文在实验环境中选择覆盖范围小、带宽较低的UMTS网络构建电力监控网络准入控制系统，UMTS的发射功率为 20 W，能够完全覆盖实验区域内的其他无线连接。在实验环境中，模拟1 200个用户同时对电力监控网络准入控制系统发送请求，其中包含85个恶意请求，采用三种系统对用户请求进行监测，以电力监控网络的阻塞率和网络准入系统的识别准确率为三种系统的评价指标，对比三种系统的网络流量控制能力和请求在线识别能力。根据系统的监测结果，当用户请求达到 95 个时，基于 NAT的电流监控网络准入控制系统的阻塞率逐渐上升，当用户请求上升到 246时，系统运行崩溃，不能完成请求响应操作。基于遗传算法的电流监控网络准入控制系统在用户请求达到 180后阻塞率明显上升，系统运行较为缓慢，而该文研究的基于改进机器学习的电流监控网络准入控制系统在用户请求达到 356时，采取请求协调措施，在处理器和控制器的协同工作下，对请求数据进行详细分析，对网络综合能力较好的用户请求优先响应，且为提升请求处理效率，开通多通道数据传输方式，提升系统的处理速度，将系统内的阻塞率始终控制在正常范围内，由此可以得出结论，该文研究的网络准入控制系统具有较好的网络流量控制能力，针对大数量的用户请求能够有序进行，进一步提升了系统的稳定性。有效拦截率实验结果如表1所示。表1有效拦截率实验结果恶意请求数量/个1020304050607080基于NAT系统有效拦截率（%）9282807669686564基于遗传算子