5G电力虚拟专网中基于联邦对抗学习的分布式异常检测算法

Federated Adversarial Learning Based Distributed Anomaly Detection Algorithm for 5G Power Virtual Private Network

摘要:

5G电力虚拟专网利用电力系统基础设施中提供定制网络功能的多个网元组成电力网络切片，为新型电力系统中的差异化请求提供定制化服务，因此，网元中的异常行为会直接影响电力网络切片的服务性能。本文针对5G电力虚拟专网中高维、不均衡和分布式的数据特征，提出了一种基于联邦对抗学习的分布式异常检测算法。首先，鉴于生成对抗网络在获取高维复杂数据分布方面的优势，采用具有梯度惩罚的Wasserstien生成对抗网络（WGAN-GP）模型对网元中的多维运行数据进行分析和监控并获取其分布情况；其次，基于5G电力虚拟专网的管理架构，设计了一种基于联邦对抗学习的分布式异常检测框架，使分布式电力切片管理器能够协同训练全局异常检测模型，增强模型泛化能力。最后，通过数值仿真验证了基于联邦对抗学习的分布式异常检测算法的训练效率和检测性能。

Abstract:

5G电力虚拟专网利用电力系统基础设施中提供定制网络功能的多个网元组成电力网络切片，为新型电力系统中的差异化请求提供定制化服务，因此，网元中的异常行为会直接影响电力网络切片的服务性能。本文针对5G电力虚拟专网中高维、不均衡和分布式的数据特征，提出了一种基于联邦对抗学习的分布式异常检测算法。首先，鉴于生成对抗网络在获取高维复杂数据分布方面的优势，采用具有梯度惩罚的Wasserstien生成对抗网络（WGAN-GP）模型对网元中的多维运行数据进行分析和监控并获取其分布情况；其次，基于5G电力虚拟专网的管理架构，设计了一种基于联邦对抗学习的分布式异常检测框架，使分布式电力切片管理器能够协同训练全局异常检测模型，增强模型泛化能力。最后，通过数值仿真验证了基于联邦对抗学习的分布式异常检测算法的训练效率和检测性能。