基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法

摘 要：針對(duì)采樣結(jié)果泛化程度較差導(dǎo)致感知粒子覆蓋率較低、監(jiān)控中心威脅樣本召回率較低的問題，設(shè)計(jì)了基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法。首先，對(duì)供電信息通信監(jiān)控中心數(shù)據(jù)進(jìn)行采樣和分析，并對(duì)采樣結(jié)果進(jìn)行泛化處理和歸約計(jì)算；然后，基于Agent Based模型構(gòu)建供電信息通信監(jiān)控中心威脅本體溯源函數(shù)，并計(jì)算Agent的感知能力；最后，采用群智能算法對(duì)構(gòu)建威脅本體溯源函數(shù)的感知結(jié)果進(jìn)行優(yōu)化處理，實(shí)現(xiàn)對(duì)供電信息通信監(jiān)控中心威脅的精確感知；最終完成供電信息通信監(jiān)控中心威脅感知方法設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明，該方法在實(shí)際應(yīng)用中，召回率更高，感知效果更好。

關(guān)鍵詞：Agent Based模型；群智能算法；供電信息；通信監(jiān)控中心；感知方法；方法設(shè)計(jì)

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A

A Threat Perception Method for Power Supply Information

Communication Monitoring Center Based on Agent Based

Model and Group Intelligence Algorithm

TAO Chengdong1，MEI Feng1，WANG Qiangqiang2

（1. Information amp; Teleconmmunication Branch， State Grid Zhejiang Electric Power Co.，

Ltd.， Hangzhou， Zhejiang 310016， China；

2. Qiantang Branch of Zhejiang Dayou Industrial Co.， Ltd.， Hangzhou， Zhejiang 310000， China）

Abstract：In response to the problem of poor generalization of sampling results resulting in low coverage of perceived particles and low recall rate of threat samples in monitoring centers， a threat perception method for power supply information communication monitoring centers based on the Agent Based model and swarm intelligence algorithm was designed. After considering the actual situation of the power supply information communication monitoring center， it is sampled and analyzed， and the sampling results are generalized and reduced. Based on the Agent Based model， the threat ontology traceability function of the power supply information communication monitoring center is constructed， and the perception ability of the agent is calculated. Under the action of swarm intelligence algorithms， the perception results of the threat ontology traceability function are optimized， realize accurate perception of threats to power supply information communication monitoring centers. Through the above design， the design of the threat perception method for the power supply information communication monitoring center is completed. The experimental results show that this method has a higher recall rate and better perception effect in practical applications.

Key words：Agent Based model; swarm intelligence algorithm; power supply information; communication monitoring center; perception methods; method design

供電信息通信監(jiān)控中心是電力系統(tǒng)的重要組成部分，它負(fù)責(zé)監(jiān)控電力設(shè)備的運(yùn)行狀態(tài)、控制電力系統(tǒng)的運(yùn)行參數(shù)以及保障電力系統(tǒng)的穩(wěn)定運(yùn)行。然而，隨著信息技術(shù)的不斷發(fā)展，針對(duì)供電信息通信監(jiān)控中心的威脅行為越來越多，如網(wǎng)絡(luò)攻擊、病毒入侵、惡意軟件等。這些威脅行為不僅會(huì)對(duì)供電信息通信監(jiān)控中心的正常運(yùn)行造成影響，還會(huì)對(duì)整個(gè)電力系統(tǒng)的穩(wěn)定運(yùn)行帶來極大的安全隱患。因此，開展供電信息通信監(jiān)控中心威脅感知方法的研究對(duì)于保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要的意義?，F(xiàn)有的感知方法由于技術(shù)的限制，無法實(shí)現(xiàn)對(duì)威脅行為的快速感知與預(yù)警，也難以確定威脅行為的類型和來源，導(dǎo)致感知效率較低，感知效果較差。在上述背景下，不少研究學(xué)者針對(duì)感知方法展開了研究，并提出了自己的想法。

文獻(xiàn)[1]采集網(wǎng)絡(luò)空間安全領(lǐng)域的多源數(shù)據(jù)，并提取數(shù)據(jù)中的關(guān)鍵信息，建立網(wǎng)絡(luò)空間安全領(lǐng)域的知識(shí)庫，在知識(shí)圖譜的作用下，對(duì)提取的關(guān)鍵信息進(jìn)行分類和聚類分析，構(gòu)建相應(yīng)的威脅感知模型，對(duì)異常行為和潛在威脅進(jìn)行快速感知，并制訂相應(yīng)的應(yīng)對(duì)措施，但該方法的感知效果較差。文獻(xiàn)[2]收集網(wǎng)絡(luò)運(yùn)行狀態(tài)信息，提取有效的網(wǎng)絡(luò)運(yùn)行特征，在多信息融合的作用下，提取融合信息的關(guān)鍵特征的模式，由此感知光纖網(wǎng)絡(luò)中的威脅。實(shí)驗(yàn)結(jié)果表明，該方法的感知時(shí)間較長。文獻(xiàn)[3]采集施工現(xiàn)場危險(xiǎn)區(qū)域和關(guān)鍵位置的視頻數(shù)據(jù)，利用圖像處理技術(shù)對(duì)采集的視頻數(shù)據(jù)進(jìn)行分析，利用感知的目標(biāo)特征構(gòu)建聯(lián)合交集模型，確定不同特征之間的關(guān)聯(lián)情況，實(shí)時(shí)感知可能出現(xiàn)的侵入行為，但該方法的感知成本較高。

在以往研究的基礎(chǔ)上，本文設(shè)計(jì)了基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法。根據(jù)供電信息通信監(jiān)控中心的實(shí)際情況，對(duì)其進(jìn)行數(shù)據(jù)采樣，在Agent Based模型的作用下，構(gòu)建供電信息通信監(jiān)控威脅本體溯源函數(shù)，利用群智能算法對(duì)供電信息通信監(jiān)控中心出現(xiàn)的威脅進(jìn)行快速感知。本文設(shè)計(jì)的方法能夠?qū)崿F(xiàn)對(duì)供電信息通信監(jiān)控中心威脅行為的實(shí)時(shí)監(jiān)測和預(yù)警，提高供電信息通信監(jiān)控中心的安全性和穩(wěn)定性[4-5]。同時(shí)，本文深入研究了供電信息通信監(jiān)控中心面臨的威脅類型和攻擊手段，為防范和應(yīng)對(duì)威脅提供理論支持，對(duì)于保障國家安全和社會(huì)穩(wěn)定具有重要意義。

1 供電信息通信監(jiān)控中心威脅感知方法設(shè)計(jì)

1.1 供電信息通信監(jiān)控中心數(shù)據(jù)采樣及歸約

供電信息通信監(jiān)控中心的數(shù)據(jù)采樣主要是從實(shí)時(shí)數(shù)據(jù)流中按照一定的規(guī)則和頻率提取樣本數(shù)據(jù)。這些數(shù)據(jù)包括網(wǎng)絡(luò)流量、系統(tǒng)日志、設(shè)備狀態(tài)等信息。通過對(duì)這些數(shù)據(jù)進(jìn)行采樣和分析，可以及時(shí)發(fā)現(xiàn)異常行為和潛在威脅，保障供電信息通信系統(tǒng)的安全和穩(wěn)定運(yùn)行[6]。其具體的采樣結(jié)果如下所示：

N（t）=α1Net（t）+α2Log（t）+α3Set（t）（1）

式中，N（t）表示供電信息通信監(jiān)控中心數(shù)據(jù)采樣結(jié)果，Net（t）表示采樣的網(wǎng)絡(luò)流量數(shù)據(jù)，α1表示網(wǎng)絡(luò)流量數(shù)據(jù)所占的比例，Log（t）表示采樣的系統(tǒng)日志數(shù)據(jù)，α2表示系統(tǒng)日志數(shù)據(jù)所占比例，Set（t）表示采樣的設(shè)備狀態(tài)數(shù)據(jù)，α3表示設(shè)備狀態(tài)數(shù)據(jù)所占的比例。通過上述公式，完成對(duì)數(shù)據(jù)的采樣處理。在上式基礎(chǔ)上，為保證采樣數(shù)據(jù)的質(zhì)量，需要對(duì)數(shù)據(jù)進(jìn)行優(yōu)化處理，包括對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)泛化和數(shù)據(jù)歸約處理。其中，數(shù)據(jù)泛化處理能夠?qū)⒕唧w的數(shù)據(jù)實(shí)例歸納為更抽象、更高級(jí)別的概念或類別，使數(shù)據(jù)更加簡潔、易于理解和分析[7]。數(shù)據(jù)泛化處理的具體過程如下所示：

N（t）′=N（t）-N（t）minN（t）max-N（t）min×［N（t）′max-

N（t）′min］+N（t）min（2）

式中，N（t）′表示數(shù)據(jù)泛化處理的結(jié)果，N（t）max 表示采樣數(shù)據(jù)的最大值，N（t）min 表示采樣數(shù)據(jù)的最小值，N（t）′max表示數(shù)據(jù)泛化處理的最大值，N（t）′min表示數(shù)據(jù)泛化處理的最小值。通過上述公式，完成對(duì)數(shù)據(jù)的泛化處理。數(shù)據(jù)歸約處理能夠減小數(shù)據(jù)集的大小，刪除數(shù)據(jù)冗余的不必要信息，并盡可能地保留其原始信息，降低數(shù)據(jù)的維度和復(fù)雜性，從而提高數(shù)據(jù)處理效率和準(zhǔn)確性，為后續(xù)感知供電信息通信監(jiān)控中心威脅提供可靠的數(shù)據(jù)支持[8]。數(shù)據(jù)歸約的具體計(jì)算過程如下所示：

I=HN（t）－HN（t）A （3）

式中，I表示數(shù)據(jù)歸約處理的結(jié)果，HN（t）表示數(shù)據(jù)采樣結(jié)果的熵值，HN（t）A表示在屬性A下數(shù)據(jù)采樣結(jié)果的熵值。通過上述公式，完成對(duì)數(shù)據(jù)的歸約處理。在上述過程中，通過對(duì)數(shù)據(jù)的泛化處理和歸約處理，提高了數(shù)據(jù)的質(zhì)量，完成了數(shù)據(jù)優(yōu)化處理，為后續(xù)構(gòu)建威脅本體溯源函數(shù)奠定基礎(chǔ)。

1.2 供電信息通信監(jiān)控中心威脅本體溯源函數(shù)

在上述設(shè)計(jì)的基礎(chǔ)上，利用供電信息通信監(jiān)控中心的采樣結(jié)果，在Agent Based模型的作用下，構(gòu)建供電信息通信監(jiān)控中心威脅本體溯源函數(shù)。其中，Agent Based模型是一種建模方法，能夠?qū)?fù)雜系統(tǒng)中的個(gè)體視為具有自主意識(shí)、行為和相互作用的Agent，在構(gòu)建威脅本體溯源函數(shù)時(shí)，利用Agent Based模型將威脅類型定義為一種行為模式，通過模擬該行為模式對(duì)威脅類型進(jìn)行溯源和分析[9]。威脅本體溯源函數(shù)構(gòu)建流程具體如圖1所示。

如圖1所示，利用Agent Based模型，先對(duì)供電信息通信監(jiān)控中心進(jìn)行分析，確定相應(yīng)的Agent，如監(jiān)控中心的系統(tǒng)管理員、網(wǎng)絡(luò)安全專家或自動(dòng)化監(jiān)控工具等都可以成為Agent。根據(jù)Agent的屬性，提取其自身的特征，并根據(jù)其所處的環(huán)境定義其自身的行為，由此建立相應(yīng)的通信機(jī)制，并通過該通信機(jī)制進(jìn)行信息傳遞，防止?jié)撛谕{對(duì)模型的干擾[10]。在此基礎(chǔ)上，通過計(jì)算Agent對(duì)網(wǎng)絡(luò)威脅的感知能力，生成對(duì)應(yīng)的威脅本體溯源函數(shù)，對(duì)供電信息通信監(jiān)控中心威脅的來源、傳輸途徑進(jìn)行描述。基于Agent Based模型構(gòu)建的威脅本體溯源函數(shù)如下所示：

M=fAgents，Agent1，Agent2，Agent3，Threat，Sources（4）

式中，M表示威脅本體溯源函數(shù)，Agents表示確定的Agent實(shí)體，Agent1表示Agent的屬性，Agent2表示Agent的行為模式，Agent3表示Agent之間的通信機(jī)制，Threat表示監(jiān)控中心出現(xiàn)的威脅來源，Sources表示對(duì)威脅的響應(yīng)結(jié)果。通過上述公式，完成對(duì)供電信息通信監(jiān)控中心威脅本體溯源函數(shù)的構(gòu)建。

為保證威脅本體溯源函數(shù)的性能，需要對(duì)Agent的感知能力進(jìn)行計(jì)算。在計(jì)算過程中，針對(duì)供電信息通信監(jiān)控中心的數(shù)據(jù)進(jìn)行特征提取，再利用Agent提取其中較為有用的特征，并與已知的數(shù)據(jù)集進(jìn)行匹配，從而感知到其中威脅[11]。Agent的感知能力計(jì)算過程如下所示：

R=fFeatures，Agent4，Data1，Data2，Agent5，Evaluation（5）

式中，R表示Agent的感知能力，F(xiàn)eatures表示供電信息通信監(jiān)控中心數(shù)據(jù)的特征，Agent4表示Agent的能力，Data1表示供電信息通信監(jiān)控中心數(shù)據(jù)集的質(zhì)量，Data2表示供電信息通信監(jiān)控中心數(shù)據(jù)集的大小，Agent5表示Agent的感知過程，Evaluation表示影響Agent感知的影響因素。通過上述公式，計(jì)算出Agent的感知能力，提高構(gòu)建的供電信息通信監(jiān)控中心威脅本體溯源函數(shù)的性能，為后續(xù)更為精準(zhǔn)地感知供電信息通信監(jiān)控中心的威脅奠定基礎(chǔ)[12]。

1.3 供電信息通信監(jiān)控中心威脅感知

將構(gòu)建的威脅本體溯源函數(shù)作為基礎(chǔ)，利用群智能感知算法對(duì)供電信息通信監(jiān)控中心的威脅進(jìn)行感知。群智能算法是一種基于群體智能的優(yōu)化和搜索算法，它利用群體中個(gè)體的協(xié)作和信息共享來尋找復(fù)雜問題的最優(yōu)解或可行解。在本文的設(shè)計(jì)中，利用群智能算法，對(duì)構(gòu)建的威脅本體溯源函數(shù)進(jìn)行處理，能夠優(yōu)化威脅感知的結(jié)果，進(jìn)一步提高感知效果[13]。其具體感知流程如圖2所示。

監(jiān)控中心威脅感知流程

如圖2所示，在上述感知流程中，利用威脅本體溯源函數(shù)，對(duì)供電信息通信監(jiān)控中心的威脅進(jìn)行溯源，輸出相應(yīng)的感知結(jié)果，在群智能算法的作用下，將該感知結(jié)果看作一種粒子，對(duì)粒子的速度和位置進(jìn)行更新，從而得到最優(yōu)解[14]。上述更新過程，也是對(duì)感知結(jié)果的多次優(yōu)化，從而得到最為精確的感知結(jié)果，保證感知的效果。在群智能算法的作用下，粒子的更新速度和位置如下所示：

xij=w×v′ij+c1×rand（）×（pij-xij）+

c2×rand（）×（gij-xij）

xij=x′ij+vij（6）

式中，vij表示粒子更新后的速度，v′ij表示粒子的初始速度，w表示粒子的慣性權(quán)重值，c1、c2表示粒子在運(yùn)行過程中的感知因子，pij表示篩選過程中的個(gè)體最優(yōu)解，gij表示全局最優(yōu)解，xij表示粒子更新后的位置，x′ij表示粒子的初始位置。通過上述公式，對(duì)粒子的速度和位置進(jìn)行更新[15]，以此為基礎(chǔ)，實(shí)現(xiàn)對(duì)感知結(jié)果的優(yōu)化。

2 實(shí)驗(yàn)測試

為提高實(shí)驗(yàn)結(jié)果的可靠性，設(shè)置對(duì)照實(shí)驗(yàn)。其中，本文設(shè)計(jì)的基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法為方法1，基于特征熵值和關(guān)聯(lián)規(guī)則的供電信息通信監(jiān)控中心威脅感知方法為方法2，基于多信息融合和知識(shí)圖譜的供電信息通信監(jiān)控中心威脅感知方法為方法3。

2.1 實(shí)驗(yàn)準(zhǔn)備

為驗(yàn)證本文設(shè)計(jì)的基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法在實(shí)際應(yīng)用中的效果，進(jìn)行實(shí)驗(yàn)測試。實(shí)驗(yàn)中，以某供電信息通信監(jiān)控中心為實(shí)驗(yàn)對(duì)象，構(gòu)建相應(yīng)的實(shí)驗(yàn)環(huán)境。具體的實(shí)驗(yàn)環(huán)境如圖3所示。

如圖3所示，在上述實(shí)驗(yàn)環(huán)境中，傳感器和監(jiān)控設(shè)備用于實(shí)時(shí)監(jiān)控某供電信息通信監(jiān)控中心的實(shí)時(shí)狀況，利用數(shù)據(jù)采集儀從傳感器上采集相關(guān)數(shù)據(jù)信息，每分鐘需要采集10%的某供電信息通信監(jiān)控中心的實(shí)時(shí)數(shù)據(jù)，采集的數(shù)據(jù)分別為監(jiān)控中心的網(wǎng)絡(luò)流量數(shù)據(jù)、系統(tǒng)日志和事件響應(yīng)記錄數(shù)據(jù)等。將采集的數(shù)據(jù)傳輸?shù)接?jì)算機(jī)上，利用計(jì)算機(jī)對(duì)采集的數(shù)據(jù)進(jìn)行優(yōu)化處理。實(shí)驗(yàn)使用的計(jì)算機(jī)參數(shù)為：主頻Intel Xeon421R 2.4 GHz，12核處理器，128 GB的內(nèi)存，64 TB的硬盤，RTX3090 GPU顯卡。利用本文設(shè)計(jì)的方法對(duì)采集的數(shù)據(jù)進(jìn)行優(yōu)化處理，其優(yōu)化處理的效果如圖4所示。

如圖4所示，在上述處理結(jié)果中，采集的實(shí)驗(yàn)數(shù)據(jù)不僅波動(dòng)幅度較大，存在很大的不穩(wěn)定性，還存在大量的離散數(shù)據(jù)點(diǎn)，會(huì)對(duì)感知結(jié)果造成一定的干擾，利用本文設(shè)計(jì)的方法對(duì)其進(jìn)行處理，減小了數(shù)據(jù)的波動(dòng)幅度，并將數(shù)據(jù)中的離散數(shù)據(jù)點(diǎn)全部去除，減少了外在因素的干擾，提高了實(shí)驗(yàn)結(jié)果的可靠性。

2.2 實(shí)驗(yàn)結(jié)果討論

為對(duì)比上述三種方法在實(shí)際應(yīng)用中的效果，實(shí)驗(yàn)以召回率為評(píng)價(jià)指標(biāo)，對(duì)比三種方法的性能。實(shí)驗(yàn)中，利用三種方法對(duì)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行感知，統(tǒng)計(jì)其感知到的威脅，并計(jì)算方法的召回率。具體統(tǒng)計(jì)結(jié)果如表1所示。

如表1所示，在上述實(shí)驗(yàn)結(jié)果中，通過多次實(shí)驗(yàn)可知，方法1的召回率數(shù)值遠(yuǎn)高于其他兩種方法，召回率平均值為97.89%，感知效果較好。在實(shí)際應(yīng)用中，方法1對(duì)供電信息通信監(jiān)控中心威脅的感知效果更好，能夠準(zhǔn)確感知到監(jiān)控中心面臨的威脅，減少相應(yīng)的損失。

為進(jìn)一步驗(yàn)證上述三種方法在實(shí)際應(yīng)用中的效果，以方法的感知粒子覆蓋率為評(píng)價(jià)指標(biāo)，進(jìn)行實(shí)驗(yàn)測試。覆蓋率是指不同方法能夠感知到的數(shù)據(jù)數(shù)量與數(shù)據(jù)集的總量的比例，感知粒子覆蓋率越高，說明方法對(duì)數(shù)據(jù)集的感知效果更好，能夠減少對(duì)供電信息通信監(jiān)控中心的錯(cuò)誤感知或感知遺漏，保證感知結(jié)果的準(zhǔn)確性。感知粒子覆蓋率的具體統(tǒng)計(jì)結(jié)果如圖5所示。

如圖5所示，在不同數(shù)據(jù)體量下，方法1的感知粒子覆蓋率隨著數(shù)據(jù)體量上升而不斷上升，且覆蓋率一直處于較高水平，方法2和方法3的覆蓋率水平則相對(duì)較差，且波動(dòng)幅度較大。在實(shí)際應(yīng)用中，方法1由于覆蓋率較高，出現(xiàn)的感知遺漏情況減少，能夠保證供電信息通信監(jiān)控中心的穩(wěn)定性，減少其在運(yùn)行過程中受到的威脅。

綜上所述，本文設(shè)計(jì)的基于Agent Based模型和群智能算法的供電信息通信監(jiān)控中心威脅感知方法在實(shí)際應(yīng)用中的召回率、覆蓋率較高，實(shí)際應(yīng)用效果較好。

3 結(jié) 論

在面對(duì)復(fù)雜的供電信息通信系統(tǒng)時(shí)，監(jiān)控中心需要對(duì)潛在的威脅進(jìn)行快速、準(zhǔn)確的感知和響應(yīng)。本文提出了一種基于Agent Based模型和群智能算法的威脅感知方法，旨在提高監(jiān)控中心的威脅感知能力。該方法利用Agent Based模型的自組織和適應(yīng)性，能夠有效地感知和識(shí)別供電信息通信系統(tǒng)中的異常和威脅。同時(shí)，通過群智能算法的協(xié)作和信息共享機(jī)制，能夠提高威脅感知的準(zhǔn)確性和效率，具有廣泛的應(yīng)用前景和重要的研究價(jià)值。在未來的研究中，可以進(jìn)一步探討如何將該方法與其他安全技術(shù)和防護(hù)措施相結(jié)合，以提供更加全面和高效的供電信息通信安全保障。

參考文獻(xiàn)

［１］ 石波，于然，朱健.基于知識(shí)圖譜的網(wǎng)絡(luò)空間安全威脅感知技術(shù)研究[J].信息安全研究，2022，8（8）：845-853.

[2] 李秀峰，王崇霞.基于多信息融合的光纖網(wǎng)絡(luò)威脅智能感知方法[J].激光雜志，2021，42（10）：138-142.

[3] 劉澤鋒，韓豫，李文濤，等.視覺聯(lián)合交集下施工危險(xiǎn)區(qū)域侵入行為動(dòng)態(tài)感知方法[J].安全與環(huán)境工程，2023，30（4）：18-25.

[4] 馬翔，錢肖，呂磊炎等.基于機(jī)器視覺和動(dòng)態(tài)閾值的電氣設(shè)備運(yùn)行異常關(guān)聯(lián)感知方法[J].微型電腦應(yīng)用，2023，39（6）：62-65.

[5] 趙麗軍，邢作霞，劉洋等.基于數(shù)據(jù)分析的風(fēng)電機(jī)組偏航機(jī)構(gòu)異常感知方法研究[J].太陽能學(xué)報(bào)，2022，43（1）：108-115.

[6] 王珂.基于用電信息采集系統(tǒng)的末端負(fù)荷態(tài)勢感知方法研究[J].山東電力高等?？茖W(xué)校學(xué)報(bào)，2021，24（5）：20-22.

[7] 張啟雷，孫斌.改進(jìn)Laplace先驗(yàn)下的復(fù)數(shù)域多任務(wù)貝葉斯壓縮感知方法[J].國防科技大學(xué)學(xué)報(bào)，2023，45（5）：150-156.

[8] 林立鑫，涂劍峰，喻燕華，等.基于改進(jìn)決策樹的通信網(wǎng)絡(luò)安全態(tài)勢感知方法[J].信息與電腦（理論版），2023，35（9）：223-225.

[9] 邊澤英，趙鴻鐸，彭科迪，等.基于分布式振動(dòng)傳感的車輛軸載感知方法[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，51（8）：1157-1167.

[10]李茜瑤，李宏海，黃燁然，等.基于多源數(shù)據(jù)的微觀路段交通狀態(tài)感知方法[J].公路交通科技，2022，39（S1）：77-83.

[11]魏偉.基于改進(jìn)K means算法的校園網(wǎng)絡(luò)環(huán)境安全態(tài)勢感知方法[J].信息與電腦（理論版），2023，35（12）：96-98.

[12]李明杰，劉小飛.基于毫米波傳感器與激光雷達(dá)信號(hào)融合的自動(dòng)駕駛障礙物感知方法[J].激光雜志，2023，44（6）：199-203.

[13]孟祥艷，張欣，張峰，等.融合遷移特征學(xué)習(xí)的生物啟發(fā)網(wǎng)絡(luò)用于可見光成像室內(nèi)位置感知方法[J].中國激光，2023，50（10）：176-183.

[14]劉凱，宮旻，李曉峰，等.基于無線傳感器網(wǎng)絡(luò)的智能配電網(wǎng)安全態(tài)勢感知方法[J].電子設(shè)計(jì)工程，2023，31（12）：142-146.

[15]陳宗漢，徐永海，陶順，等.面向負(fù)荷管理過程的工業(yè)用戶安全用電風(fēng)險(xiǎn)態(tài)勢感知方法[J].高電壓技術(shù)，2023，49（7）：2796-2805.