中文引用格式: 景峰. 基于自動(dòng)編碼器和隨機(jī)樹(shù)的智能電網(wǎng)FDI檢測(cè)[J]. 電子技術(shù)應(yīng)用,2024,,50(11):80-84.
英文引用格式: Jing Feng. Smart grid FDI detection based on autoencoder and random tree[J]. Application of Electronic Technique,,2024,50(11):80-84.
引言
近年來(lái),機(jī)器學(xué)習(xí)在檢測(cè)智能電網(wǎng)中的虛假數(shù)據(jù)注入(False Data Injection, FDI)攻擊方面發(fā)揮著越來(lái)越重要的作用[1-2],。Fadlullah等人[3]提出了基于高斯過(guò)程回歸的預(yù)測(cè)模型,,用于檢測(cè)惡意攻擊行為。Zhang等人[4]采用支持向量機(jī)和人工免疫系統(tǒng),,設(shè)計(jì)了分布式檢測(cè)系統(tǒng),。這些傳統(tǒng)機(jī)器學(xué)習(xí)模型取得了一定成果,但準(zhǔn)確率和魯棒性有待提高,。
深度學(xué)習(xí)模型也受到關(guān)注,,如Xue等人[5]提出的基于極限學(xué)習(xí)機(jī)的一類網(wǎng)絡(luò)框架。常顥等人[6]則結(jié)合了動(dòng)編碼器和生成對(duì)抗網(wǎng)絡(luò),。Nagaraj等人[7]探討了一種基于極隨機(jī)樹(shù)算法和堆疊自動(dòng)編碼器的智能電網(wǎng)入侵檢測(cè)方法,,通過(guò)自動(dòng)編碼器降低維度,并利用極隨機(jī)樹(shù)分類器檢測(cè)FDI攻擊,。這些工作拓展了FDI攻擊檢測(cè)的研究視野,,但也存在一些不足,如大多數(shù)方法在應(yīng)對(duì)高維數(shù)據(jù)時(shí)計(jì)算效率較低,;當(dāng)攻擊測(cè)量值占比較低時(shí),,檢測(cè)效果不佳且缺乏大規(guī)模系統(tǒng)的可擴(kuò)展性分析。
基于此,,本文提出一種新穎的基于自動(dòng)編碼器和極端隨機(jī)樹(shù)的FDI攻擊檢測(cè)框架,,旨在提高大規(guī)模系統(tǒng)下的檢測(cè)準(zhǔn)確率和計(jì)算效率,并增強(qiáng)對(duì)低攻擊稀疏度的適應(yīng)能力,。
本文詳細(xì)內(nèi)容請(qǐng)下載:
http://forexkbc.com/resource/share/2000006214
作者信息:
景峰
(國(guó)網(wǎng)山西省電力公司信息通信分公司,,山西 太原 030021)