91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

【源自趙宏鑫動態(tài)】

題目：AS-TBR：智能電網(wǎng)AMI入侵檢測模型

作者：馬浩，張翼英等

期刊：SENSORS

摘要：高級計量基礎設施 (AMI) 作為智能電網(wǎng)架構(gòu)中的關鍵數(shù)據(jù)收集和通信樞紐，由于其開放的雙向通信網(wǎng)絡，極易受到網(wǎng)絡入侵。AMI 流量數(shù)據(jù)面臨的一個重大挑戰(zhàn)是嚴重的類別不平衡，現(xiàn)有方法傾向于檢測多數(shù)類樣本而忽略少數(shù)類攻擊，從而降低了檢測系統(tǒng)的整體可靠性。此外，現(xiàn)有方法在時空特征提取方面存在局限性，無法有效捕捉網(wǎng)絡流量數(shù)據(jù)中復雜的依賴關系。在全局依賴關系建模方面，現(xiàn)有模型難以動態(tài)調(diào)整關鍵特征，影響入侵檢測和響應的效率和準確性。針對這些問題，本文提出了一種創(chuàng)新的混合深度學習模型 AS-TBR，用于智能電網(wǎng)中的 AMI 入侵檢測。該模型結(jié)合自適應合成采樣 (ADASYN) 技術來緩解數(shù)據(jù)不平衡，從而提高少數(shù)類樣本的檢測準確性。同時，利用 Transformer 捕捉全局時間依賴關系，BiGRU 建模雙向時間關系，并利用 ResNet 進行深度空間特征提取。實驗結(jié)果表明，AS-TBR 模型在 UNSW-NB15 數(shù)據(jù)集上達到了 93% 的準確率，在 NSL-KDD 數(shù)據(jù)集上達到了 80% 的準確率。此外，該模型在準確率、召回率等關鍵評估指標上均優(yōu)于基線模型，驗證了其在 AMI 入侵檢測中的有效性和魯棒性。