SDH傳輸網絡節點非法入侵告警方法

國網江蘇省電力有限公司信息通信分公司 郭 燾 江蘇電力信息技術有限公司 伍葉銳

SDH技術是當前世界電力通信領域在傳輸網絡方面的發展熱點，又稱為同步數字體系。作為光通信發展進入新時代的標志，SDH技術的功能強大，包括復接、傳輸和交換等，在保證電力通信穩定的前提下同樣能夠提升效率。除此之外，SDH的應用領域不僅限于光纖行業，也包括微波發射和衛星通信等現代技術，這對于通信產業來說，SDH傳輸已經成為一種通用技術。而SDH優點還包括對網絡資源的有效管理，在設備的后期維護管理工作中能夠避免資源浪費，提高電力通信網絡的工作效率和安全性，對電力通信網絡的發展有重要意義，雖然各種更具優勢的傳輸網絡也在建設，但SDH傳輸網依然承載著業務在持續應用，SDH傳輸平面等SDH技術的主要傳輸渠道，其發展也越來越多樣化[1]。

1 網絡節點非法入侵告警方法

1.1 識別非法入侵節點

首先采集節點數據，隨機選取樣本構建散度矩陣。隨后，通過非線性映射將特征數據映射至高維空間。最后，將傳感器數據與入侵特征對比，準確識別入侵節點。

具體步驟如下所述。

不同節點受入侵下，樣本的類間散度如下：

式中，d代表向量的維數，也是采集的屬性數量，Xi代表多個網絡屬性，n代表采集的節點數量，β（e）代表采集樣點的特征函數，R（v）代表樣點缺失數據函數，將n1個采集節點，綜合標識為X＊，將n2個屬于入侵節點的樣本，綜合標識為X```，而（ωTSwω）表示特征函數的匹配矩陣，J（ω）代表矩陣中最大廣義系數。

然后在采集和匹配的過程中，假設由m代表各類采集后樣本的平均函數，φ代表高維空間的輸入映射，則可以通過式（2）劃分由特征函數進行的高維映射渠道空間：

式中，k（x,y）代表空間中的函數坐標，Sφb和代表F中的樣本在低維空間向高維空間映射的函數特征，ωφ代表采集信息的識別系數，ωT代表F所屬于的高維空間中的線性組合。

完成特征映射后，則需要對映射數據進行特征匹配，則本文設置由E（V）表示入侵節點樣本的隨機變量，因此通過式（3）將可將高維空間中的映射數據與原有的涂欽行為特征數據進行對比：

式中，P*h表示網絡映射的入侵節點h上的每個數據i上共有P個分類特征，表示節點數據集上第s個特征的映射方位，σ（j）表示函數的判斷閡值，表示入侵數據集合成的矩陣劃分，x（y*）表示最優分類函數，表示不同特征分量的映射組合，ε（d）表示不同入侵特征樣本間的關聯度[2]。

在對數據與原有特征向量進行匹配后，本文設置Ci為入侵節點特征類型，ε（E）表示類型Ci的樣本出現在映射空間的概率，則入侵節點信息識別輸出為：

式中，N（R）代表最優屬性集合，代表對入侵檢測判別誤差函數。綜上所述可以利用映射原理完成對入侵節點信息的識別。

1.2 處理網絡節點入侵信息

網絡節點入侵信息的預處理環節主要是對入侵節點進行標準化處理，在所采集的非法入侵節點的信息中進行格式的統一。

本文通過使用模糊層次的分析法來獲得入侵節點處理后的整體分析，分析過程中使用常規統一算法，因此把分析的結果的入侵節點可以作為標準樣本數據。本文所采用的入侵節點等數據來源于某地區電力通信網，包含一定的背景噪聲，需要預處理。歷史節點入侵處理的業務流程如圖1所示。

圖1 歷史節點入侵處理的業務流程圖

本文對于歷史節點入侵處理流程如下：首先，根據用戶提供的參數，從龐大的歷史節點庫中精確提取與時間節點相符合的入侵數據。這一步至關重要，其確保了獲取的數據與當前分析的需求緊密相關。隨后，對這些原始的節點數據進行一系列的清理和格式化操作。在實際操作中，數據可能存在各種異常，如缺失、冗余或格式不統一。通過這一步驟，消除這些異常，使數據達到統一、標準的格式。為了進一步提高數據的可靠性，將格式化的入侵數據根據用戶配置的過濾規則進行過濾。這些規則可以基于多種條件，如數據的范圍、類型或頻率等。通過過濾，進一步剔除那些不符合要求或質量不高的數據。最后，將這些經過預處理的標準化數據進行存儲，以便后續的存檔和流程使用[3]。存儲的方式和介質可以根據實際需求進行選擇，如數據庫、文件系統或云存儲等。這樣，不僅確保了數據的可追溯性和完整性，也使得后續的分析和處理更為便捷和高效。

1.3 關聯入侵節點與告警數據

完成對入侵節點的信息處理后，就可將推理隊列中的節點信息與歷史數據中的告警數據相關聯。本文對于二者關聯采用了相似度的關聯方法，首先將告警信息進行特征泛化，以泛化后的數據與原有經過處理的入侵節點的信息進行匹配，將傳輸至數據庫的入侵節點信息與歷史模板中的告警數據進行相似關聯，取超過相似度規定且數值最大者，若無法進行相似度關聯，則通過構建新的關聯隊列，重新設置告警數據。

然后利用模糊綜合評判法進行告警關聯算法的設計，告警關聯度計算公式為：

式中：SIM（anew,aold）表示告警之間的相似性，ki為屬性的權值，rij為模糊隸屬度權值[4]。

1.4 過濾告警信息中干擾數據

完成對告警信息的關聯后，可能會產生一些不必要的冗余信息，因此為了確保告警數據的傳輸效率，就要對告警數據進行干擾的去除。為提高信息過濾的精確度和準確性，需要將重復、字段不全、噪聲告警去除，之后進一步剔除冗余信息。根據告警需求在告警記錄的各字段中提取出有用字段。根據關聯分析法對數據的要求，告警經過過濾、字段提取后，將告警信息中的數據與歷史庫進行匹配，匹配過程分為兩個環節，已有數據在映射空間中直接向外傳輸，而未記錄的數據信息則需要進行特征反饋。通過匹配告警規則，將數據劃分為規則符合者與不符者，符合要求的告警數據由傳輸通道繼續發送，不符合規則的數據則是干擾數據，對其進行過濾處理[5]。

1.5 實現SDH傳輸網絡入侵告警

本文對于SDH傳輸網絡入侵告警的實現，首先構建網絡非法入侵識別模型，將上文獲取的經處理的識別網絡節點特征，通過高維空間的映射，實現多入侵節點的識別。通過SDH傳輸網絡，依據各網絡節點之間的關系，實現網絡學習集識別。在學習集的訓練中，依據輸出層和輸入層，將其自身所映射的入侵節點進行模型的構建，每個節點的權值用Wij描述，其中i∈[1,k],j∈[1,m]，首先對權值Wij初始化，設置訓練合集為其中l=[1,N]。然后在t時刻矢量集內選取K維矢量。

在識別模型的基礎上，通過對入侵節點進行告警的關聯處理，取超過相似度規定且數值最大者，關聯成功后將數據與告警信息進行匹配，然后在對告警數據進行干擾信息和冗余數據的處理之后，將告警數據傳輸至網絡非法入侵節點，完成SDH傳輸網絡的入侵告警。

2 試驗論證

2.1 試驗說明

為了驗證本文提出的SDH傳輸網絡節點非法入侵告警方法的實際應用效果，設定對比試驗。本試驗數據以某電網中的設備為試驗環境。

為了本文試驗的簡明性，設置SDH傳輸網絡節點非法入侵告警方法為試驗組，基于生成矩陣變換的異常數據告警方法為對照組。

2.2 試驗準備

設定試驗參數見表1。

表1 試驗參數

對正常電力設施中服務器信息數據傳輸運行過程中任意節點的數據進行抓取。通過本文方法和傳統的矩陣變換、遺傳算法對數據多個指標進行評價。

電網中包含33000V的變電站，2臺變壓器，總容量為1200MVA；5條330kV線路，總長超過900km；16座11000V變電站，28臺變壓器，36條11000V線路，總長超過1500km。遙信量超過111000個，遙測量超過43000個。通過電力調度自動化功能，模擬試驗環境，將本文設計的方法，與其他兩種方法進行在告警信息上處理的結果對比。

2.3 試驗結果

運用實際電網運行情況作比較的方法，來驗證智能告警系統告警情況的一致性，對比結果見表2。

表2 三種方法告警運行情況對比表

根據表2可得，試驗組在第一次對模擬電網進行告警跳閘的次數為192而漏告、誤告和告警異常次數共為2次，在六次的試驗結果中，綜合測算出試驗組的告警正確率為98.79%，而對照組在第一次的試驗中，告警跳閘次數為164次，誤告和告警異常次數共為16次，在六次的試驗結果中，綜合測算出對照組的告警正確率為92.66%，相對試驗組來說正確率較低。所以由試驗結果可知，本文設計的SDH傳輸網絡節點非法入侵告警方法的告警正確率更高。

3 結語

本文設計了SDH傳輸網絡節點非法入侵告警方法，在對網絡非法入侵節點（進行識別后，關聯經過處理的節點數據和告警層次，最后基于模型完成對入侵節點進行告警。本文于一些細節之處仍存在不足點，首先是對于告警數據中干擾信息的濾除未能詳細說明，其次是試驗中沒有考慮告警環節除數據量外的權重分析，這些不足將在之后的研究中進一步優化。