一种基于模态分解与极致梯度提升的虚假数据注入攻击检测方法技术

本发明专利技术涉及一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，属于智能电网攻击检测技术领域。本发明专利技术采用变分模态分解来提取不同频率下FDIA信号的显著特征；此外，本发明专利技术利用从粒子群优化中获得的结果来替换单个总线上的极端梯度提升的预定阈值，从而提高了本发明专利技术的检测精度和可解释性。对IEEE‑14总线系统的仿真结果表明，本发明专利技术能够有效地检测针对单个总线的攻击，最后，评估了在特定噪声干扰下攻击强度对本发明专利技术性能的影响，从而证实了本发明专利技术的有效性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，属于智能电网攻击检测。

技术介绍

1、伴随信息传输与通信互联技术的大规模井喷式发展，目前的智能电网实现了供电效率提升与输电成本降低，在减少工业用电成本以及合理配电上做出了突出贡献。但信息系统引入控制设备会不可避免地带来大量的信息层漏洞，例如虚假数据注入攻击就可以通过其独特的攻击隐蔽性为系统、网络安全带来巨大的隐患，因此网络安全问题是当前智能电网面对的最严峻挑战之一。一方面，现有的攻击检测技术很少考虑到从过往的历史数据中提取居民长期的用电趋势特点，这是因为时域特征难以直观看出，研究者往往会忽视这些微小的变化，从而导致无法完全确定检测到的攻击信号真假，可能造成误判情况。另一方面，由于电网设备的复杂性，在攻击发生时极有可能会发生吉布斯效应，短期内系统状态的剧烈波动与非高斯噪声的出现将会给攻击检测带来更多的不确定因素与难度。因此，本专利技术提出一种虚假数据注入攻击检测方法解决现有技术问题。

2、本专利技术的技术来源于云南省重大科技专项计划(202302ad080002)；云南省计算本文档来自技高网...

【技术保护点】

1.一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述Step3具体为：在初始电压/电流相角和幅值上添加攻击，并使攻击小于等于量测误差，完成攻击信号构造，并计算初始电压/电流相角和幅值的最大归一化残差作为判断标准，若实测值与状态值的差大于最大归一化残差，则检测出不可用的不良数据，反之得到初始FDIA数据。

3.根据权利要求1所述的基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述Step5具体为：

4.根...

【技术特征摘要】

1.一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述step3具体为：在初始电压/电流相角和幅值上添加攻击，并使攻击小于等于量测误差，完成攻击信号构造，并计算初始电压/电流相角和幅值的最大归一化残差作为判断标准，若实测值与状态值的差大于最大归一化残差，则检测出不可用的不良数据，反之得到初始fdia数据。

3.根据权利要求1所述的基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述step5具体为：

4.根据权利要求3所述的基于模态分解和极致梯度提升的虚假数据注入攻击检测方法，其特征在于，所述step5.3具体为：

【专利技术属性】
技术研发人员：张晶，周琨，张家洪，王路路，冯勇，李英娜，杨志军，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：