Resumen

La deteccin de intrusiones en las comunicaciones de la infraestructura de medicin avanzada (AMI) es una tecnologa de seguridad eminente para garantizar el funcionamiento estable de la red elctrica inteligente. Sin embargo, los mtodos basados en el aprendizaje automtico tradicional no son apropiados para aprender caractersticas de alta dimensionalidad y hacer frente al desequilibrio de datos del trfico de comunicaciones en AMI. Para resolver estos problemas, proponemos un esquema de deteccin de intrusos que combina la reduccin de la dimensionalidad de las caractersticas con la mejora de la memoria a corto plazo (LSTM). El autoencoder apilado (SAE) ha demostrado un excelente rendimiento en la reduccin de la dimensionalidad de las caractersticas. Mediante SAE, comprimimos la entrada de caractersticas de alta dimensin en una salida de caractersticas de baja dimensin, lo que reduce la complejidad del modelo. Los mtodos basados en LSTM tienen una capacidad superior para detectar trfico anmalo, pero no pueden extraer caractersticas estructurales bidireccionales. Hemos diseado un modelo de memoria bidireccional a largo plazo (BiLSTM) que aade un mecanismo de atencin. ste puede determinar la criticidad de la dimensionalidad y mejorar la precisin del modelo de clasificacin. Por ltimo, realizamos experimentos con el conjunto de datos UNSW-NB15 y el conjunto de datos NSL-KDD. El esquema propuesto presenta ventajas evidentes en mtricas de rendimiento como la precisin y la tasa de falsas alarmas (FAR). Los resultados experimentales demuestran que puede identificar eficazmente el ataque de intrusin de comunicaciones en AMI.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Detección de intrusiones en las comunicaciones; Infraestructura de medición avanzada (AMI); Red inteligente; Aprendizaje automático; Reducción de la dimensionalidad de las características; Memoria a largo plazo (LSTM)
• Keywords:Communication intrusion detection; Advanced metering infrastructure (AMI); Smart grid; Machine learning; Feature dimensionality reduction; Long Short-Term Memory (LSTM)