基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统技术方案

本发明专利技术属于电力物联网安全技术领域，特别涉及一种基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统，针对电力物联网中观测器节点的观测数据，通过卡尔曼滤波算法进行滤波并得到电力物联网状态的局部估计值；以欧式距离为相关度，将观测器节点的局部估计值进行不同聚类数目的层次聚类；将安全传感器节点所在聚类簇内的数据在最小估计误差协方差准则下进行融合，得到状态融合估计值，并通过比较融合后不同聚类数目下测量估计值与测量真实值的平均绝对误差来获取最佳聚类结果，将对应状态估计值作为可信融合估计值。本发明专利技术将层次聚类引入电力物联网攻击检测，以不同聚类数目下测量估计值与测量真实值值的平均绝对误差为评价聚类优劣，能够对多类虚假数据注入攻击进行监测，且能够缩短评判时间，便于实际场景应用。际场景应用。际场景应用。

【技术实现步骤摘要】
基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统


[0001]本专利技术属于电力物联网安全
，特别涉及一种基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统。

技术介绍

[0002]近年来，随着电力系统和信息技术的深度互通与融合，电力物联网可以实现发电，输电，配电，用电的智能化可靠管理。但随着电力物联网的规模越来越大，其传感器数量、用户数量、控制模块数量显著增加，这在提升电力系统的灵活性与高效性的同时，也增加了电力系统的复杂性。然而，电力物联网的复杂性、智能性和开放性给其带来了新的安全威胁。电网环境中的攻击行为在数量和种类上大幅增加，电力攻击行为已经危害到了电力终端、网络、数据、系统等各层级安全，给电网带来了巨大的损失和负面影响。在电力物联网中，攻击者能够设计针对信息网中信息层和电力网中物理层相融合的恶意信息物理攻击。因此，为了提高智能电网的可靠性，电力物联网攻击检测方法的研究无论是对于理论还是现实都有着十分重要的意义。
[0003]随着电力物联网规模的增加，在带来灵活性与高效性的同时，也带来许多漏洞与隐患。传统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，包含如下内容：针对电力物联网中N个观测器节点的观测数据，通过卡尔曼滤波算法进行滤波并得到局部估计值，其中，观测器节点包含已知安全传感器节点，和其他N
‑
1个正常和/或易受攻击传感器节点；以欧式距离为相关度，将N个观测器节点的局部估计值进行不同聚类数目的层次聚类，依次分别聚类成2到N
‑
1个簇；将安全传感器节点所在聚类簇内的局部估计值在最小估计误差协方差准则下进行融合，得到状态融合估计值，并通过比较融合后不同聚类数目下测量估计值与测量真实值的平均绝对误差来获取最佳聚类结果，将该最佳聚类结果的状态估计值作为可信融合估计值。2.根据权利要求1所述的基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，观测数据包含：电流相位和振幅的测量仪表/传感器测量值的电压状态变量和相角状态变量。3.根据权利要求1所述的基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，观测器测量方程表示为：z
i
(k)＝H
i
(k)x(k)+v
i
(k),i＝1,2,
…
,N，z
i
(k)表示传感器i的测量值，H
i
(k)表示相应的测量矩阵，v
i
(k)为测量噪声，x(k)＝F(k,k
‑
1)x(k
‑
1)+w(k,k
‑
1)，k代表离散时间瞬间，x(k)表示测量系统状态,F(k,k
‑
1)表示状态转移矩阵，w(k,k
‑
1)表示零均值高斯白噪声和协方差。4.根据权利要求3所述的基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，通过卡尔曼滤波算法进行滤波和数据更新，以获取局部估计值，其中，滤波过程表示为：其中，表示为第i个节点在第k时刻的状态估计值，P
i
(k∣k)为对应的估计误差方差，P
i
(k∣k
‑
1)为对应的预测估计误差方差，表示为第i个节点在第k时刻的状态预测值，K
i
(k)为第i个节点的第k时刻对应的卡尔曼增益，I为单位向量。5.根据权利要求1或2或3或4所述的基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，将N个观测器节点的局部估计观测值进行不同聚类数目的层次聚类，包含如下内容：首先设置聚类...

【专利技术属性】
技术研发人员：冯肖亮，王硕，冯娟，张子青，刘安婷，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：