姜红红，张涛，赵新建，钱欣，赵天成，高莉莎

（1.国网江苏省电力公司南京供电公司，江苏 南京 210019；2.北京邮电大学网络与交换技术国家重点实验室，北京100876）

电力信息化专栏

基于大数据的电力信息网络流量异常检测机制

姜红红1，张涛2，赵新建1，钱欣1，赵天成1，高莉莎1

（1.国网江苏省电力公司南京供电公司，江苏 南京 210019；2.北京邮电大学网络与交换技术国家重点实验室，北京100876）

随着智能电网建设的加强，电力信息网络及其承载的业务系统得到迅猛发展，网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段，提出了一种基于大数据的电力信息网络流量异常检测机制，并通过对改进的局部异常因子（M-LOF）和支持向量域数据描述（SVDD）两种常用异常检测算法的对比分析，总结出适合电力信息网络的流量异常检测方法。

电力信息网络；流量异常检测；局部异常因子；支持向量域数据描述

1 引言

随着电力信息网络规模不断扩大、复杂性不断增加，基于信息网络的各类应用业务也越来越广泛，产生的数据量庞大，这就导致网络出现异常的可能性大大增加[1-3]。而且在信息网络中，很难找到发生问题的根源，未被诊断的网络异常会进一步传播并影响网络的正常信息传输。因此，如何对网络流量进行实时的监测和评估，并及时发现网络的异常，对提高网络的稳定性和安全性具有重要意义[4]。

目前，网络异常诊断比较常规的做法是根据网络运行质量监测和评估的指标来观察网络的规律，并进一步发现和排除异常。……