一种基于深度迁移学习的终端异常访问控制方法及系统

本发明属于电力系统和网络安全领域，提供了一种基于深度迁移学习的终端异常访问控制方法及系统，从配电网的日志文件中，提取用户的访问记录，构建用户的访问矩阵；将用户的访问矩阵分为训练集和测试集，对训练集进行深度学习，得到用户的行为特征向量，作为基础模型；对测试集进行无聚类识别，识别出可疑的访问记录，进行标定，将结果反馈到所述基础模型中，对基础模型进行改进和升级，得到最终模型；利用属性基加密，对用户的访问请求进行加密；利用所述最终模型，对用户的实时访问行为进行监测，与预测的期望行为进行比较，判断用户的访问行为是否异常，确定异常程度和类型。本发明可以有效地保护配电网大数据的安全和隐私。