Deep Learning Based Anomaly Detection for Application-layer Message of Power Industrial Control Communication Traffic

WANG Wenbo; LIU Xuan; LIN Hai; DU Pengcheng; JIANG Jinliang

doi:10.7500/AEPS20220817001

您当前的位置：

首页 >

文章列表页 >

Deep Learning Based Anomaly Detection for Application-layer Message of Power Industrial Control Communication Traffic

Basic Research | 更新时间：2025-06-16

- Deep Learning Based Anomaly Detection for Application-layer Message of Power Industrial Control Communication Traffic
- Automation of Electric Power Systems Vol. 47, Issue 11, Pages: 69-76(2023)
- 作者机构：
  
  1.湖南大学电气与信息工程学院,湖南省长沙市 410082
  2.国网湖南省电力有限公司,湖南省长沙市 410004
  3.北京智芯微电子科技有限公司,北京市 100192
  4.江苏云涌电子科技股份有限公司,江苏省泰州市 225314
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(51777062)
- DOI：10.7500/AEPS20220817001
  CLC：
- Received：17 August 2022，
  
  Revised：2022-12-06，
  
  Published Online：20 April 2023，
  
  Published：10 June 2023
- 稿件说明：
移动端阅览
王文博,刘绚,林海等.基于深度学习的电力工控流量应用层报文异常检测[J].电力系统自动化,2023,47(11):69-76.

WANG Wenbo,LIU Xuan,LIN Hai,et al.Deep Learning Based Anomaly Detection for Application-layer Message of Power Industrial Control Communication Traffic[J].Automation of Electric Power Systems,2023,47(11):69-76.
王文博,刘绚,林海等.基于深度学习的电力工控流量应用层报文异常检测[J].电力系统自动化,2023,47(11):69-76. DOI： 10.7500/AEPS20220817001.

WANG Wenbo,LIU Xuan,LIN Hai,et al.Deep Learning Based Anomaly Detection for Application-layer Message of Power Industrial Control Communication Traffic[J].Automation of Electric Power Systems,2023,47(11):69-76. DOI： 10.7500/AEPS20220817001.

摘要

准确可靠的电力工控流量异常检测方法是识别网络攻击和实现主动防御的关键手段，对于保证电网的安全稳定运行具有重要意义。文中针对现有电力工控流量异常检测方法存在的检测深度不足、攻击分类少、未知异常识别能力弱等问题，提出了一种基于飞蛾扑火优化(MFO)算法和一维卷积神经网络(1D-CNN)的电力工控流量应用层报文异常检测方法。首先，在深度协议解析的基础上对流量数据的应用层报文进行多维度特征提取；其次，利用随机森林算法计算特征重要度，剔除冗余特征；然后，训练所搭建的1D-CNN报文异常检测模型，并结合MFO算法进行超参数调优，提升模型性能；最后，利用Softmax分类器输出报文的异常检测结果。仿真结果验证了所提方法的有效性。

Abstract

An accurate and reliable anomaly detection method for power industrial control communication traffic is a key means to identify network attacks and achieve active defense

which is of great significance to ensure the safe and stable operation of power grids. This paper proposes a method for detecting application-layer message anomalies in power industrial control communication traffic based on the moth-flame optimization (MFO) algorithm and one-dimensional convolutional neural network (1D-CNN) to address the problems of insufficient detection depth

few attack classifications

and weak recognition of unknown anomalies in existing anomaly detection methods for power industrial control communication traffic. First

the depth protocol parsing is used to extract multi-dimensional features of application-layer message of traffic data. Secondly

redundant features are eliminated by calculating the feature importance through the random forest algorithm. Then

the built 1D-CNN anomaly detection model is trained and combined with the MFO algorithm to optimize the hyperparameters for improving the model performance. Finally

the Softmax classifier is employed to output the anomaly detection results of the message. The simulation results verify the effectiveness of the proposed method

关键词

Keywords

references

李满礼，倪明，颜云松，等 . 面向恶意攻击的安全稳定控制系统信息物理协调防御方法［J］. 电力系统自动化， 2021 ， 45 （ 18 ）： 113 - 121 .

LI Manli ， NI Ming ， YAN Yunsong ， et al . Cyber-physical coordinated defense method against malicious attacks for security and stability control system ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 18 ）： 113 - 121 .

徐飞阳，薛安成，常乃超，等 . 电力系统自动发电控制网络攻击与防御研究现状与展望［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 3 - 14 .

XU Feiyang ， XUE Ancheng ， CHANG Naichao ， et al . Research status and prospect of cyber attack and defense on automatic generation control in power system ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 3 - 14 .

杨杰，郭逸豪，郭创新，等 . 考虑模型与数据双重驱动的电力信息物理系统动态安全防护研究综述［J］. 电力系统保护与控制， 2022 ， 50 （ 7 ）： 176 - 187 .

YANG Jie ， GUO Yihao ， GUO Chuangxin ， et al . A review of dynamic security protection on a cyber physical power system considering model and data driving ［J］. Power System Protection and Control ， 2022 ， 50 （ 7 ）： 176 - 187 .

张嘉誉，章坚民，杨才明，等 . 基于信息物理融合的智能变电站过程层网络异常流量检测［J］. 电力系统自动化， 2019 ， 43 （ 14 ）： 173 - 181 .

ZHANG Jiayu ， ZHANG Jianmin ， YANG Caiming ， et al . Abnormal traffic detection on process layer network of smart substation based on cyber physical fusion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 14 ）： 173 - 181 .

杨挺，侯昱丞，赵黎媛，等 . 基于时-频域混合特征的变电站通信网异常流量检测方法［J］. 电力系统自动化， 2020 ， 44 （ 16 ）： 79 - 86 .

YANG Ting ， HOU Yucheng ， ZHAO Liyuan ， et al . Abnormal traffic detection method of substation communication network based on time-frequency domain mixed features ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 16 ）： 79 - 86 .

YANG Q ， HAO W J ， GE L J ， et al . FARIMA model-based communication traffic anomaly detection in intelligent electric power substations ［J］. IET Cyber-Physical Systems： Theory & Applications ， 2019 ， 4 （ 1 ）： 22 - 29 .

刘姜涛，邓其军，董文恒 . 基于流量特征指纹的工控系统网络入侵检测［J］. 武汉大学学报（工学版）， 2019 ， 52 （ 7 ）： 642 - 650 .

LIU Jiangtao ， DENG Qijun ， DONG Wenheng . Network intrusion detection of industrial control system based on traffic characteristic fingerprint ［J］. Engineering Journal of Wuhan University ， 2019 ， 52 （ 7 ）： 642 - 650 .

郝唯杰，杨强，李炜 . 基于FARIMA模型的智能变电站通信流量异常分析［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 158 - 167 .

HAO Weijie ， YANG Qiang ， LI Wei . FARIMA model based analysis of communication traffic anomaly in smart substation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 158 - 167 .

WANG W P ， WANG Z R ， ZHOU Z F ， et al . Anomaly detection of industrial control systems based on transfer learning ［J］. Tsinghua Science and Technology ， 2021 ， 26 （ 6 ）： 821 - 832 .

舒斐，陈涛，王斌，等 . 一种基于DBN-RF的电网工控系统异常识别方法［J］. 计算机工程， 2020 ， 46 （ 11 ）： 35 - 41 .

SHU Fei ， CHEN Tao ， WANG Bin ， et al . An anomaly identification method for power grid industrial control system based on DBN-RF ［J］. Computer Engineering ， 2020 ， 46 （ 11 ）： 35 - 41 .

FU L D ， ZHANG W B ， TAN X B ， et al . An algorithm for detection of traffic attribute exceptions based on cluster algorithm in industrial Internet of Things ［J］. IEEE Access ， 2021 ， 9 ： 53370 - 53378 .

AZIZJON M ， JUMABEK A ， KIM W . 1D CNN based network intrusion detection with normalization on imbalanced data ［C］// 2020 International Conference on Artificial Intelligence in Information and Communication （ICAIIC）， February 19-21 ， 2020 ， Fukuoka， Japan ： 218 - 224 .

OZAY M ， ESNAOLA I ， YARMAN VURAL F T ， et al . Machine learning methods for attack detection in the smart grid ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2016 ， 27 （ 8 ）： 1773 - 1786 .

YANG Y ， XU H Q ， GAO L ， et al . Multidimensional intrusion detection system for IEC 61850-based SCADA networks ［J］. IEEE Transactions on Power Delivery ， 2017 ， 32 （ 2 ）： 1068 - 1078 .

胡国，梅德冬 . 智能变电站采样值报文安全分析与实现［J］. 中国电机工程学报， 2017 ， 37 （ 8 ）： 2215 - 2222 .

HU Guo ， MEI Dedong . Research and application on network security of SMV in smart substation ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 8 ）： 2215 - 2222 .

罗华峰，许艾，陆承宇，等 . 基于MMS替代协议的变电站安全通信技术研究及应用［J］. 电力自动化设备， 2021 ， 41 （ 12 ）： 206 - 211 .

LUO Huafeng ， XU Ai ， LU Chengyu ， et al . Research and application of substation safety communication technology based on MMS alternative protocol ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 12 ）： 206 - 211 .

周元刚，刘绚，张波 . 基于多阶段传输的智能变电站安全通信策略［J］. 电力系统自动化， 2021 ， 45 （ 22 ）： 105 - 114 .

ZHOU Yuangang ， LIU Xuan ， ZHANG Bo . Security communication strategy for smart substation based on multi-stage transmission ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 22 ）： 105 - 114 .

钟志琛 . 基于网络流量异常检测的电网工控系统安全监测技术［J］. 电力信息与通信技术， 2017 ， 15 （ 1 ）： 98 - 102 .

ZHONG Zhichen . Security monitoring technology of power grid industrial control system based on network traffic anomaly detection ［J］. Electric Power Information and Communication Technology ， 2017 ， 15 （ 1 ）： 98 - 102 .

李佳玮，吴克河，张波 . 基于高斯混合聚类的电力工控系统异常检测研究［J］. 信息网络安全， 2021 ， 21 （ 3 ）： 53 - 63 .

LI Jiawei ， WU Kehe ， ZHANG Bo . Research on anomaly detection of power industrial control system based on Gaussian mixture clustering ［J］. Netinfo Security ， 2021 ， 21 （ 3 ）： 53 - 63 .

王宇，李俊娥，周亮，等 . 针对嵌入式终端安全威胁的电力工控系统自愈体系［J］. 电网技术， 2020 ， 44 （ 9 ）： 3582 - 3594 .

WANG Yu ， LI June ， ZHOU Liang ， et al . A self-healing architecture for power industrial control systems against security threats to embedded terminals ［J］. Power System Technology ， 2020 ， 44 （ 9 ）： 3582 - 3594 .

周杰英，贺鹏飞，邱荣发，等 . 融合随机森林和梯度提升树的入侵检测研究［J］. 软件学报， 2021 ， 32 （ 10 ）： 3254 - 3265 .

ZHOU Jieying ， HE Pengfei ， QIU Rongfa ， et al . Research on intrusion detection based on random forest and gradient boosting tree ［J］. Journal of Software ， 2021 ， 32 （ 10 ）： 3254 - 3265 .

赵恺，石立宝 . 基于改进一维卷积神经网络的电力系统暂态稳定评估［J］. 电网技术， 2021 ， 45 （ 8 ）： 2945 - 2957 .

ZHAO Kai ， SHI Libao . Transient stability assessment of power system based on improved one-dimensional convolutional neural network ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 2945 - 2957 .

李世晓，杜锦华，龙云 . 基于一维卷积神经网络的机电作动器故障诊断［J］. 电工技术学报， 2022 ， 37 （增刊1 ）： 62 - 73 .

LI Shixiao ， DU Jinhua ， LONG Yun . Fault diagnosis of electromechanical actuators based on one-dimensional convolutional neural network ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ Supplement 1 ）： 62 - 73 .

潘晓杰，张立伟，张文朝，等 . 基于飞蛾扑火优化算法的多运行方式电力系统稳定器参数协调优化方法［J］. 电网技术， 2020 ， 44 （ 8 ）： 3038 - 3046 .

PAN Xiaojie ， ZHANG Liwei ， ZHANG Wenchao ， et al . Multi-operation mode PSS parameter coordination optimization method based on moth-flame optimization algorithm ［J］. Power System Technology ， 2020 ， 44 （ 8 ）： 3038 - 3046 .

王凌云，林跃涵，童华敏，等 . 基于改进Apriori关联分析及MFOLSTM算法的短期负荷预测［J］. 电力系统保护与控制， 2021 ， 49 （ 20 ）： 74 - 81 .

WANG Lingyun ， LIN Yuehan ， TONG Huamin ， et al . Short-term load forecasting based on improved Apriori correlation analysis and an MFOLSTM algorithm ［J］. Power System Protection and Control ， 2021 ， 49 （ 20 ）： 74 - 81 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Commentary on Special Issue of Reviews on Key Technologies for Digitalization of New Power System

Carbon Measurement Based on Carbon Satellite and Electricity Emission Data

Review on Application of New Generation Artificial Intelligence Technology in Power System Dispatching and Operation

Related Author

LI Peng

LIU Nian

HU Qinran

ZHOU Quan

LI Zhiyi

YU Hao

SUN Bing

YAN Zheng

Related Institution

Key Laboratory of the Ministry of Education on Smart Power Grids(Tianjin University)

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

School of Electrical Engineering, Southeast University

College of Electrical and Information Engineering, Hunan University

College of Electrical Engineering, Zhejiang University

⁰