期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于过采样和级联机器学习的电网虚假数据注入攻击识别
被引量：
19
1
作者
董运昌
王启明
+3 位作者
曹杰
杨渊博
余通
薄小永
《电力系统自动化》
EI
CSCD
北大核心
2023年第8期179-188,共10页
虚假数据注入攻击(FDIA)因其高隐蔽性和破坏性,对电网的安全稳定运行构成严重威胁。攻击样本与正常样本的不平衡特性会影响模型的攻击检测精度,同时多类型FDIA的出现使得现有算法在识别攻击种类上具有局限性。针对上述问题,文中提出基...
虚假数据注入攻击(FDIA)因其高隐蔽性和破坏性,对电网的安全稳定运行构成严重威胁。攻击样本与正常样本的不平衡特性会影响模型的攻击检测精度,同时多类型FDIA的出现使得现有算法在识别攻击种类上具有局限性。针对上述问题,文中提出基于过采样和级联机器学习的电网多类型FDIA识别方法。首先,探究了电网耦合交互过程中的FDIA攻击路径,分析了多类型攻击行为;然后,通过聚类、过滤和线性插值过程生成攻击伪样本,设计基于K均值合成少数类过采样技术(K-means-Smote)的量测数据平衡算法;最后,结合细粒度特征扫描和多个分类器的集成学习策略,构建基于改进级联机器学习的多类型FDIA识别模型。仿真实验表明,所提识别方法可有效辨识多种FDIA类型,且辨识精度高、误报率较低、性能稳定,在小样本下性能仍然出色。
展开更多
关键词
电力信息物理系统
虚假数据注入攻击
攻击检测
过采样
级联机器学习
在线阅读
下载PDF
职称材料
题名
基于过采样和级联机器学习的电网虚假数据注入攻击识别
被引量：
19
1
作者
董运昌
王启明
曹杰
杨渊博
余通
薄小永
机构
东北电力大学电气工程学院
东北电力大学计算机学院
国网吉林省电力有限公司电力科学研究院
吉林省电力大数据智能处理工程技术研究中心
广西电网有限责任公司电力科学研究院
出处
《电力系统自动化》
EI
CSCD
北大核心
2023年第8期179-188,共10页
基金
吉林省自然科学基金资助项目(20220101234JC)。
文摘
虚假数据注入攻击(FDIA)因其高隐蔽性和破坏性,对电网的安全稳定运行构成严重威胁。攻击样本与正常样本的不平衡特性会影响模型的攻击检测精度,同时多类型FDIA的出现使得现有算法在识别攻击种类上具有局限性。针对上述问题,文中提出基于过采样和级联机器学习的电网多类型FDIA识别方法。首先,探究了电网耦合交互过程中的FDIA攻击路径,分析了多类型攻击行为;然后,通过聚类、过滤和线性插值过程生成攻击伪样本,设计基于K均值合成少数类过采样技术(K-means-Smote)的量测数据平衡算法;最后,结合细粒度特征扫描和多个分类器的集成学习策略,构建基于改进级联机器学习的多类型FDIA识别模型。仿真实验表明,所提识别方法可有效辨识多种FDIA类型,且辨识精度高、误报率较低、性能稳定,在小样本下性能仍然出色。
关键词
电力信息物理系统
虚假数据注入攻击
攻击检测
过采样
级联机器学习
Keywords
power cyber-physical system
false data injection attack
attack detection
oversampling
cascade machine learning
分类号
TM73 [电气工程—电力系统及自动化]
TP393.08 [自动化与计算机技术—计算机应用技术]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于过采样和级联机器学习的电网虚假数据注入攻击识别
董运昌
王启明
曹杰
杨渊博
余通
薄小永
《电力系统自动化》
EI
CSCD
北大核心
2023
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
