摘要
本发明公开基于网络安全数据的电网风险预测方法、系统及介质;涉及网络安全技术领域;各电网安全态势数据进行嵌入编码得到电网安全态势嵌入编码向量序列;对电网安全态势嵌入编码向量序列进行特征增强和动态聚合处理得到电网安全态势时序显著聚合表示向量;基于深度学习的人工智能技术分析电网安全态势数据,提取各时间点的电网安全态势特征,并以各时间点的电网安全态势特征的相对重要性进行信息动态聚合,挖掘电网安全态势数据的全局变化规律和潜在的异常模式,从而实现对电网网络异常状态的智能识别;能够更准确地捕捉电网网络环境的动态变化,实现对电网网络异常状态的早期预警和快速响应,从而提高电网系统对网络攻击的防御能力。
技术关键词
编码向量
网络安全数据
风险预测方法
序列
因子
电网风险预测系统
时序
动态
聚类
数据嵌入
风险预测模型
异常状态
跨度
网络安全技术
人工智能技术
编码模块
介质
系统为您推荐了相关专利信息
动力电池拆解
决策方法
矩阵
统一解码器
资源回收技术
因子
随机森林模型
非暂态计算机可读存储介质
悬浮泥沙浓度
数据
消息传递网络
网络结构
节点
注意力模型
网络表征