电力监控系统中网络安全大模型决策研究
电子技术应用
张伟1，李季凡2，丁朝晖1，刘腾1，乔一帆3
1.中国大唐集团科学技术研究总院有限公司；2.华北电力大学（保定）；3.浙江大学
摘要： 针对电力监控系统传统安全防护在攻击检测、溯源及未知威胁应对等方面的不足，融合知识图谱与大模型技术构建电力监控决策系统。通过标准化流程处理多源异构数据，运用实体识别与关系抽取构建知识图谱，结合网安专用大模型实现威胁智能检测分析。系统具备威胁检测、攻击溯源等核心功能，可实时监测、精准定位并提供运维建议。实践显示，其攻击检测准确率、未知攻击识别能力及溯源效率优于传统技术，漏洞检测平均准确率达95.5%，提升了系统安全性与决策智能化水平，为电力行业数字化转型提供技术支撑。
中圖分類號：TP393.08 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256801
中文引用格式： 張偉，李季凡，丁朝暉，等. 電力監控系統中網絡安全大模型決策研究[J]. 電子技術應用，2026，52(5)：74-79.
英文引用格式： Zhang Wei，Li Jifan，Ding Zhaohui，et al. Research on cybersecurity large model decision-making in power monitoring systems[J]. Application of Electronic Technique，2026，52(5)：74-79.
中文引用格式： 張偉，李季凡，丁朝暉，等. 電力監控系統中網絡安全大模型決策研究[J]. 電子技術應用，2026，52(5)：74-79.
英文引用格式： Zhang Wei，Li Jifan，Ding Zhaohui，et al. Research on cybersecurity large model decision-making in power monitoring systems[J]. Application of Electronic Technique，2026，52(5)：74-79.
Research on cybersecurity large model decision-making in power monitoring systems
Zhang Wei1，Li Jifan2，Ding Zhaohui1，Liu Teng1，Qiao Yifan3
1.China Datang Corporation Science and Technology Research Institute Co.， Ltd.；2.North China Electric Power University （Baoding）；3.Zhejiang University
Abstract： Aiming at the shortcomings of traditional security protection for power monitoring systems in attack detection, traceability and unknown threat response, this study constructs a power monitoring decision-making system by integrating knowledge graph and large model technologies. Multi-source heterogeneous data is processed through standardized processes, entity recognition and relationship extraction are used to build a knowledge graph, and a special large model for network security is combined to achieve intelligent threat detection and analysis. The system has core functions such as threat detection and attack traceability, and can monitor in real time, locate accurately and provide operation and maintenance suggestions. Practices show that its attack detection accuracy, unknown attack recognition ability and traceability efficiency are better than traditional technologies, with an average vulnerability detection accuracy of 95.5%. It improves the system security and decision-making intelligence level, providing technical support for the digital transformation of the power industry.
Key words : knowledge graph；large model；power monitoring system；cybersecurity；decision-making system
引言
隨著電力行業數字化轉型加速，電力監控系統作為智能電網的核心，其安全性關乎電力系統穩定運行和國家能源安全。然而，工控系統結構復雜、設備定制化程度高，傳統安全防護手段在應對新型網絡威脅時存在諸多不足，如攻擊檢測準確率低、溯源能力弱、對未知威脅檢測能力弱等問題[1]。知識圖譜[2]和大模型技術[3]的發展為解決這些問題提供了新途徑。知識圖譜可整合多源數據，挖掘網絡威脅與系統要素的關聯；大模型憑借強大的語義理解和模式識別能力，能精準分析異常行為。將兩者結合應用于電力監控系統，構建決策系統，有助于提升系統的安全性和決策效率，保障電力行業的可靠運行。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000007075
作者信息：
張偉1，李季凡2，丁朝暉1，劉騰1，喬一帆3
（1.中國大唐集團科學技術研究總院有限公司，北京 100040；
2.華北電力大學（保定），河北 保定 071051；
3.浙江大學，浙江 杭州310058）
此內容為AET網站原創，未經授權禁止轉載。