一种基于扰动攻击的电力网络安全主动检测方法技术

本发明专利技术公开了一种基于扰动攻击的电力网络安全主动检测方法，包括：采用强化学习中的马尔可夫模型对环境建立深度学习模型，根据强化学习预定义的多元组，智能体与所述环境进行交互，并将所述多元组收集至经验池，作为后续训练的采样轨迹；通过模拟计算正常数据样本下的电压偏差区间以及对应注入扰动性对抗攻击数据后产生的电压偏差区间，以减少两者之间重复的偏差区间为目标，调整正常数据样本下的电压偏差的最大值以主动区分出受到电力网络扰动攻击的情形。本发明专利技术提供的电力网络安全主动检测方法主动降低模拟扰动性对抗攻击下动作的偏差，代替了之前智能电网信息系统被动防御扰动性对抗攻击，提升了智能电网系统的防御能力。力。力。

【技术实现步骤摘要】
一种基于扰动攻击的电力网络安全主动检测方法


[0001]本专利技术涉及电力信息网络安全
，尤其涉及一种基于扰动攻击的电力网络安全主动检测方法。

技术介绍

[0002]随着电力系统的规模不断增长，更多的电力设备需要连接到网络上，在这个过程中，智能电网系统需要控制更多的电力设备的信息，从而智能电网系统也必须得到更多的发展。自从电力使用以来，全球电网有着类似的结构，动态和原理，但是这些传统的电网架构只能专注于一些基本的功能，如发电、配电和控制，并且传统电网架构供电不稳定，一旦出现故障，会导致供电传输消耗高和容易大面积断电和停电。与传统的电网系统相比，智能电网系统需要能够最大限度地将电网设备信息、传感器、自动控制设备与电网基础设施进行紧密结合起来，能够快速隔离故障，自我恢复以及能够更好地调节电力信息系统。
[0003]虽然智能电网系统得到很大的发展，但仍然存在巨大的安全问题。由于智能电网系统与外网相连通，目前大部分的智能电网系统都具备一定的防御措施，此时智能电网系统一直是处于被动防御状态。虽然被动防御技术可以保证系统部分的安全性，但攻击者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于扰动攻击的电力网络安全主动检测方法，其特征在于，包括以下步骤：采用强化学习中的马尔可夫模型对环境建立深度学习模型，所述环境为智能电网信息系统受到电力网络扰动攻击，在所述深度学习模型中，根据强化学习预定义的多元组，智能体与所述环境进行交互，并将所述多元组收集至经验池，作为后续训练的采样轨迹；所述多元组包含正常情况下和受到扰动性对抗攻击情况下对应的数据对，所述多元组包括状态值x、动作值y和奖励值r，其中，所述状态值x为所述智能电网信息系统所管理的功率值，动作值y为所述智能电网信息系统对充放电功率的输出调度区间的决策，奖励值r为外电网输送的电压偏差的反馈值；通过模拟计算正常数据样本下的电压偏差区间以及对应注入扰动性对抗攻击数据后产生的电压偏差区间，以减少两者之间重复的偏差区间为目标，调整正常数据样本下的电压偏差的最大值以主动区分出受到电力网络扰动攻击的情形；所述智能体包括行动者智能体和评论家智能体，将所述经验池中的采样轨迹分别输入至所述行动者智能体和评论家智能体中进行训练，然后通过预定义的损失函数更新智能体的网络参数，以优化所述深度学习模型的主动检测能力。2.根据权利要求1所述的电力网络安全主动检测方法，其特征在于，所述状态值的计算公式如下：x＝W
bat
(t)＝W
load
(t)+W
out
(t)；式中，W
bat
(t)为智能电网信息系统的充放电功率，W
out
(t)为外电网发电功率，W
load
(t)为负荷电功率；所述奖励值的计算公式如下：式中，ΔP(t)为在t时刻外电网输出电压的偏移。3.根据权利要求1所述的电力网络安全主动检测方法，其特征在于，在未受到扰动攻击的环境下，将交互得到的部分连续数据进行收集处理，得到该环境下对应的数据对，以作为第一类多元组，并评估采用对应行动的价值，所述智能体在学习过程中趋向于使得该价值最大化。4.根据权利要求3所述的电力网络安全主动检测方法，其特征在于，采取优势函数去评估对应状态下所述智能电网信息系统采用对应行动的价值，其公式如下：A(x,y)＝(E
y～π(
·
|x)
[r(x,y)+γV(x
′
)]
‑
E[r(x,y)+γE
y
′
～π(
·
|x
′
)
[Q(x
′
,y
′
)]])式中，V为在对应状态下智能电网信息系统所采取所有的充放电功率的能量调度区间的价值，Q为在对应状态下采取的智能电网信息系统所采取一种充放电功率的能量调度区间的价值，E为期...

【专利技术属性】
技术研发人员：王震宇，薛劲松，冯仁君，吉志远，潘伟，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，
类型：发明
国别省市：