来源：期刊VIP网 时间：
作者：耿振兴;王勇;
单位：上海电力大学计算机科学与技术学院;
摘要：为检测电力系统中的网络攻击行为，文中提出一种基于电力数据采集与监视控制（SCADA）系统的攻击检测方法，探讨了机器学习方法作为检测电力系统攻击的可行性，并评估了其性能，讨论了机器学习模型作为攻击检测方法的意义。此外，还提出一种基于机器学习的投票分类模型（RES），其由RF、ET和SVM三种基本分类器构成，使用投票分类中的软投票方法，并且考虑了基本分类器的权重对投票分类模型的影响。通过在密西西比州立大学和橡树岭国家实验室的电力系统攻击数据集上进行实验和分析，结果表明，与其他方法相比，RES模型在电力系统的攻击检测方面准确率得到大幅提升，在电力系统攻击数据集上的二分类准确率达到了98.40%，能够准确地检测电网中的网络攻击行为。
关键词：SCADA系统;;投票分类模型;;电力系统;;网络攻击;;机器学习;;入侵检测
