Identificación de amenazas de seguridad en redes basada en un modelo de fusión GNN-transformer en sistemas cibernéticos energéticos

En la actualidad, la identificación de amenazas a la seguridad de la red energética enfrenta el problema de que las relaciones temporales y de red son difíciles de fusionar. Para abordar este problema, este estudio propone un modelo de fusión utilizando una Red Neuronal de Grafos (GNN) y un modelo Transformer. Este modelo incluye principalmente las siguientes partes: usar la Red de Atención de Grafos (GAN) para extraer las relaciones espaciales entre nodos energéticos y entidades de control; y utilizar la Atención Múltiple por Cabezas (MHSA) para extraer series temporales de datos de regulación energética a largo plazo. Al combinar estos dos métodos, el modelo completa eficazmente la detección de amenazas de extremo a extremo para redes de comunicación energética. Los resultados de la investigación anterior verifican que el método de modelado conjunto de información espacial y temporal tiene cierta efectividad en el campo de la seguridad de redes energéticas, lo que proporciona una nueva idea para construir métodos de identificación de amenazas adaptativos en redes de regulación energética localizadas.