基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测

席磊; 王文卓; 白芳岩; 陈洪军; 彭典名; 李宗泽

doi:10.13335/j.1000-3673.pst.2024.0298

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测

自动化 | 更新时间：2025-10-18

- 基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测
- 暂无标题
- 电网技术 2025年第2期页码：824-833
- 作者机构：
  
  1. 1.三峡大学电气与新能源学院
  2. 2.梯级水电站运行与控制湖北省重点实验室(三峡大学)
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52277108)~~
- DOI：10.13335/j.1000-3673.pst.2024.0298
  中图分类号： TM73;TP183
- 纸质出版：2025
- 稿件说明：
移动端阅览
席磊, 王文卓, 白芳岩, 等. 基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测[J]. 电网技术, 2025,(2):824-833.
席磊, 王文卓, 白芳岩, 等. 基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测[J]. 电网技术, 2025,(2):824-833. DOI： 10.13335/j.1000-3673.pst.2024.0298.

DOI：

摘要

面向高维复杂的电力量测数据，现有攻击定位检测方法存在定位精度差的问题。为此该文提出一种基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测方法。所提方法引入最大信息系数对量测数据进行特征选择，能够非线性地衡量数据特征之间的关联性，且公平地根据一个特征变量中包含另一个特征变量的信息量来去除冗余特征，有效解决虚假数据注入攻击定位检测方法普遍面临的量测数据高维冗余问题；同时提出一种具有正反馈信息传递作用的双层置信极端梯度提升树来对各节点状态进行分类，通过结合电网拓扑关系学习标签相关性，从而有选择性地利用前序标签有效预测信息，来减少后续分类器学习到的前序标签预测信息中包含的错误，最终实现对受攻击位置的精确定位。在IEEE-14、IEEE-57节点系统上进行大量仿真，算例结果验证了所提方法的有效性，且相较于其他方法具有更高的准确率、精度、召回率、F1值和AUC(area under curve)值。

Abstract

关键词

Keywords

references

巫春玲,郑克军,徐先峰,张震,付俊成,胡雯博.基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究[J].电网技术,2023(05).

黄冬梅,丁仲辉,胡安铎,王晓亮,时帅.低成本对抗性隐蔽虚假数据注入攻击及其检测方法[J].电网技术,2023(04).

李平,胡根铭.基于数据增强型一维改进卷积神经网络的变压器故障诊断方法[J].电网技术,2023(07).

郭方洪,郑祥康,邓超,李赫,余为.直流微电网无界虚假数据注入网络攻击检测与系统恢复方法[J].电力系统自动化,2023(02).

张有兵,林一航,黄冠弘,杨晓东,翁国庆,周致言.深度强化学习在微电网系统调控中的应用综述[J].电网技术,2023(07).

胡润滋,马晓忱,孙博,王淼,程文帅,章昊,叶海峰,唐俊刺,郑乐.基于特征选择的暂态安全评估方法及其可解释性研究[J].电网技术,2023(02).

陈清清,苏盛,畅广辉,李翔硕,鲁华永.电力信息物理系统内部威胁研究综述[J].南方电网技术,2022(06).

李峰,王琦,胡健雄,汤奕.数据与知识联合驱动方法研究进展及其在电力系统中应用展望[J].中国电机工程学报,2021(13).

田猛,董政呈,王先培,赵乐,简子倪.目标冲突下电力信息物理协同攻击分析[J].电网技术,2019(07).

王琦,邰伟,汤奕,倪明.面向电力信息物理系统的虚假数据注入攻击研究综述[J].自动化学报,2019(01).

Li Xueping,Wang Yaokun,Lu Zhigang.Graph-based detection for false data injection attacks in power grid[J].Energy,2023.

Gao Yunpeng,Li Yunfeng,Zhu Yanqing,Wu Cong,Gu Dexi.Power quality disturbance classification under noisy conditions using adaptive wavelet threshold and DBN-ELM hybrid model[J].Electric Power Systems Research,2021.

T.L. Zhou,K.S. Xiahou,L.L. Zhang,Q.H. Wu.Multi-agent-based hierarchical detection and mitigation of cyber attacks in power systems[J].International Journal of Electrical Power and Energy Systems,2021.

Xue Wenli,Wu Ting.Active Learning-Based XGBoost for Cyber Physical System Against Generic AC False Data Injection Attacks[J].IEEE ACCESS,2020.

Francisco J. Montáns,Francisco Chinesta,Rafael Gómez-Bombarelli,J. Nathan Kutz.Data-driven modeling and learning in science and engineering[J].Comptes rendus - Mécanique,2019.

Musleh Ahmed S.,Chen Guo,Dong Zhao Yang.A Survey on the Detection Algorithms for False Data Injection Attacks in Smart Grids[J].IEEE Transactions on Smart Grid,2019.

Huaizhi Wang,Jiaqi Ruan,Bin Zhou 0005,Canbing Li,Qiuwei Wu,Muhammad Qamar Raza,Guang-Zhong Cao.Dynamic Data Injection Attack Detection of Cyber Physical Power Systems With Uncertainties.[J].IEEE Trans. Industrial Informatics,2019.

Tianqi Chen,Carlos Guestrin.XGBoost: A Scalable Tree Boosting System.[J].CoRR,2016.

Min-Ling Zhang,Zhi-Hua Zhou.A Review on Multi-Label Learning Algorithms.[J].IEEE Trans. Knowl. Data Eng.,2014.

David N. Reshef,Yakir A. Reshef,Hilary K. Finucane,Sharon R. Grossman,Gilean McVean,Peter J. Turnbaugh,Eric S. Lander,Michael Mitzenmacher,Pardis C. Sabeti.Detecting Novel Associations in Large Data Sets[J].Science,2011.

Tom Fawcett.An introduction to ROC analysis[J].Pattern Recognition Letters,2006.

浏览量

536

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于残差生成对抗网络的电网虚假数据注入攻击防御方法

基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测

低成本对抗性隐蔽虚假数据注入攻击及其检测方法

基于长短时记忆网络和生成对抗网络的VRB储能系统虚假数据注入攻击检测

基于多维信息矩阵和DAM-LSTNet的线损预测方法