基于Dueling-DDQN的电力信息网络入侵检测算法

吴水明，吉志远，王震宇，景栋盛

(国网江苏省电力有限公司苏州供电分公司，江苏 苏州 215004)

0 引 言

近年来，随着电力系统的规模逐渐扩大，电网也面临着越来越严峻的安全问题。其中，针对电力系统的网络攻击种类繁多、内容复杂。这对保障电力系统的安全提出了更高的要求。网络入侵检测技术作为防火墙的一种补充，可以识别和处理计算机及网络中的恶意行为，起到保护网络安全的目的[1]。

早期的网络入侵检测技术主要是利用审计数据来识别入侵行为[2]。之后，更多的研究重点转向网络入侵检测技术。有研究人员对入侵检测中的异常行为进行了定义，并给出一个实时的入侵检测系统模型[3]；也有不少将网络流量作为审计数据的工作[4]，如提出了一种可以实时监控的网络安全监视器等。

网络入侵检测技术成为一个新的研究方向和研究热点并取得了一定的发展。Wu等人[5]将聚类分析方法应用到网络入侵检测技术中，充分利用了聚类分析方法的数据分析能力；张苏宁等人[6]将Krylov子空间方法应用到网络入侵检测技术中，以检测具有破坏性的访问。随着深度学习的发展和广泛应用，很多工作将深度神经网络运用到网络入侵检测任务中，进一步提高了入侵检测的效率，改善了系统的安全性。例如，张学锋等人[7]将机器学习方法中的神经网络技术应用于网络入侵检测中，获得较好的效果；雷宇飞等人[8]提出采用基于粒子群优化的BP神经网络解决网络入侵检测问题，加快BP神经网络的收敛速度，提升了系统的稳定性。……