-
公开(公告)号:CN120074906A
公开(公告)日:2025-05-30
申请号:CN202510208351.X
申请日:2025-02-25
Applicant: 广东电网有限责任公司东莞供电局
Abstract: 本发明公开了一种基于垂直联邦学习的配电网络虚假数据注入攻击检测方法,属于配电网络安全技术领域,包括:S1、提出一种基于拆分学习方法的垂直联邦学习框架,配合配电网络中的FDIA检测模型进行协同训练;S2、对垂直联邦学习框架进行训练;S3、通过训练和推理操作,实现垂直联邦学习框架的构建与应用;S4、通过网格边缘侧模型提取空间特征;S5、采用服务器模型的Bi‑LSTM模型的输入提取时间特征,输入包括提取的空间特征的连接中间表示Hall,连接中间表示Hall由服务器模型处理。本发明采用上述的检测方法,提出的垂直联邦学习框架使负责子网的实体能够协作构建FDIA检测模型,有效地解决与数据共享相关的问题,并能够利用来自每个子网的各种测量。
-
公开(公告)号:CN120074915A
公开(公告)日:2025-05-30
申请号:CN202510217671.1
申请日:2025-02-26
Applicant: 广东电网有限责任公司东莞供电局
Inventor: 李诗美 , 郭浩天 , 左丹妮 , 罗金满 , 梁浩波 , 李晓霞 , 梅傲琪 , 李媛 , 李国璋 , 张炜乐 , 刘卓贤 , 易椿杰 , 黎玉青 , 刘丽媛 , 叶思琪 , 余凌
IPC: H04L9/40 , H04L43/04 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/088
Abstract: 本发明公开了一种基于鲁棒图自编码器的电网虚假数据注入攻击识别方法,包括S1、提供一种异常检测器;S2、采用六种攻击函数生成对抗性数据中毒样本和正确标记的FDIA恶意样本;S3、使用多个注入水平将对抗性数据中毒样本注入异常检测器的训练集中;S4、将正确标记的FDIA恶意样本注入有监督和无监督异常检测器的测试集,以及有监督异常检测器的训练集;S5、通过异常检测器构建CR‑GAE模型;S6、执行一个超参数选择过程;S7、异常检测器通过检测阈值ψ来区分良性样本和恶意样本;S8、通过评估指标,评估异常检测器的检测性能。本发明采用上述的一种基于鲁棒图自编码器的电网虚假数据注入攻击识别方法,提升了电力系统对于数据投毒与虚假数据注入攻击的韧性。
-