一种基于密集连接神经网络的智能变电站网络入侵检测方法

本发明公开了一种基于密集连接神经网络的智能变电站网络入侵检测方法，将智能变电站的三种主要报文SMV/SV、GOOSE、MMS的数据经处理后，通过密集连接神经网络DenseCNN提取出数据特征，将原始数据经多层卷积后的特征向量直接送入全局最大池化层中进行池化操作，再通过全连接层进行分类，找出其中的入侵流量，从而实现对异常流量的识别。相比于其他入侵检测方案，本发明具有准确率高，响应快速，可在线部署等优势。同时，基于神经网络的模型有着显著的鲁棒性，对于不同工作环境有着良好的适应性。