[发明专利]一种基于深度置信网络的电网虚拟数据注入攻击的检测方法

说明书

本发明公开了一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，包括：S1：构建深度置信网络检测模型，所述深度置信网络检测模型包括有：若干层RBM网络、单层BP神经网络，所述RBM网络采用全连接方式连接；S2：获取IEEE标准节点测量数据，对获取数据添加随机噪声、攻击向量生成攻击数据；S3：将攻击数据进行归一化后的数据按设定比例分为测试数据集和训练数据集；S4：利用无监督学习对RBM网络进行从上而下逐层训练，并通过BP神经网络反向传播误差进行模型参数调整，得到训练后的深度置信网络检测模型；S5：将测试数据集输入训练后的深度置信网络检测模型，输出预测结果。本发明克服了传统检测方法对检测阈值的依赖，实现对多种攻击模式检测。

技术领域

本发明涉及智能电网领域，更具体地，涉及一种基于深度置信网络的电网虚拟数据注入攻击的检测方法。

背景技术

智能电网作为典型的信息物理系统，集通信、计算、控制于一体。这种集成在极大的提高了电力系统的管理水平的同时，也给系统带来的更大的风险。电力系统的安全事件在近几年时有发生且产生的破坏很大。

虚拟数据注入攻击(FDIA)是一种新兴的数据完整性攻击的方法，在对电力网络拓扑结构有一定的了解的基础上，攻击者篡改了传感器，能量管理系统(EMS)接收到此信息，达到了改变状态估计结果的目的。在FDIA作用下，攻击者可以通过控制系统中的智能设备并操纵关键信息，其中包括线路状态、电价、能源供应进而导致停电、电力设备被破坏。所以尽快检测虚拟数据注入攻击对电网的正常运行具有极大的意义。虚拟数据注入攻击不同于传统的计算机网络攻击，也不同于控制学科的坏数据检测问题。针对虚拟数据注入攻击的多样性，由于机器学习算法良好的学习和分类特征能力，所以可以将其用于检测虚拟数据注入攻击。亟需研究一种克服阈值依赖，能检测多种攻击模式的监测方法。

发明内容

本发明为克服上述现有技术中对电网攻击检测方法阈值依赖强、检测的攻击模式单一的缺陷，提供一种基于深度置信网络的电网虚拟数据注入攻击的检测方法。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，包括以下步骤：

S1：构建深度置信网络检测模型，所述深度置信网络检测模型包括有：若干层RBM网络、单层BP神经网络，所述RBM网络采用全连接方式连接，每层RBM网络的输出作为下一层RBM网络的输入，最后一层RBM网络的输出数据作为BP神经网络的输入数据；

S2：获取IEEE标准节点测量数据，对获取数据添加随机噪声、攻击向量生成攻击数据；

S3：将攻击数据进行归一化，将过归一化后的数据按设定比例分为测试数据集和训练数据集；

S4：利用无监督学习对RBM网络进行从上而下逐层训练，并通过BP神经网络反向传播误差进行模型参数调整，直至BP神经网络实际输出值和期望值之间的误差小于预设值，得到训练后的深度置信网络检测模型；

S5：将测试数据集输入训练后的深度置信网络检测模型，输出预测结果。

进一步地，所述将攻击数据归一化公式为：

f₁(x_ij)＝x_ij-min(x)/max(x)-min(x)

max(x)和min(x)分别是攻击数据x_ij所属列中的最大值和最小值。

进一步地，所述对获取数据添加随机噪声，添加的随机噪声为高斯白噪声。

进一步地，所述攻击向量表示为：

a＝Hc

其中，a表示攻击向量、c表示状态误差向量，H表示电力系统的矩阵。