УДК 519.6
DOI: 10.36871/2618-9976.2023.03.003
Авторы
Евгений Юрьевич Щетинин,
Доктор физико-математических наук, профессор Департамента математики Финансового университета при Правительстве РФ, Москва, Россия
Аннотация
В статье предложен новый метод обнаружения кибератак в интеллектуальных энергетических сетях, основанный на гибридной модели обнаружения аномалий. В его основе лежит нейронная сеть автокодировщика с гибкой моделью энкодера, используемая для извлечения представлений входных данных энергосистемы. В качестве декодера автокодировщика в модели обнаружения кибератак использован один из методов обучения с учителем. Особенностью предложенного метода является то, что в процессе обучения он использует только признаки штатных событий. Проведен сравнительный анализ производительности предложенного метода с популярными алгоритмами машинного обучения с учителем, такие как KNN, SVM, Random Forest, показавший, что он более эффективен в обнаружении кибератак, а точность их обнаружения составила 91,67%.
Ключевые слова
умные энергетические системы
кибератаки
частичное глубокое обучение
автокодировщик
гибридная модель обнаружения аномалий
