一种基于混合深度学习的5G电力终端接入威胁检测方法

本发明提供了一种基于混合深度学习的5G电力终端接入威胁检测方法，涉及网络安全技术领域，包括：建立并采集风险因素集，并将所述风险因素集作为威胁特征向量，所述风险因素集由5G电力终端的物理安全威胁、通信安全威胁、网络安全威胁、身份认证安全威胁和数据安全威胁组成；基于多个残差多头挤压激励网络和多个跳跃连接机制获取改进后的RMSEN‑BiLSTM模型，将所述威胁特征向量输入至改进后的RMSEN‑BiLSTM模型中，获得威胁分类结果。本发明增强了5G终端接入安全风险评估的全面性和客观性，准确预测5G终端风险事件发生的可能性、影响范围和危害程度，方便提前采取安全策略，减少安全事件的发生。