(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211000769.4 (22)申请日 2022.08.19 (71)申请人 广西大学 地址 530004 广西壮 族自治区南宁市西乡 塘区大学东路10 0号 (72)发明人 赖昱　刘璐　覃智君　林鸿宇　 (74)专利代理 机构 广西南宁公平知识产权代理 有限公司 45104 专利代理师 陆福达 (51)Int.Cl. H04L 9/40(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 一种电网状态拓扑协同虚假数据攻击防御 方法 (57)摘要 本发明公开一种电网状态拓扑协同虚假数 据攻击防御方法， 基于时空 ‑多模态神经网络的 电网协同虚假数据攻击防御， 包括以下步骤： 1、 使用残差检测法滤除不良数据， 再使用图自编码 器与残差神经网络组成的检测模型对数据进行 攻击检测与定位； 2、 构建基于时空特征的预测模 型， 基于可能的遥信集合预测对应遥测数据； 3、 使用N‑k搜索方式， 将遥测遥信组合输入上述检 测模型， 通过检测的数据作为真实值。 本发明对 传统方法不适应协同FDIA场景的缺陷做了改进， 防御策略对拓扑结构遭篡改的情况具有更强的 鲁棒性， 增强电网防御协同FDIA 的能力， 满足工 业对协同FDIA防御的实用化要求。 权利要求书3页 说明书11页 附图6页 CN 115378699 A 2022.11.22 CN 115378699 A 1.一种电网状态拓扑协同虚假数据攻击防御方法， 其特 征在于， 包括以下步骤： (1)使用残差检测方法滤除不良数据， 再使用检测模型对数据进行检测， 确定被攻击的 量测数据： 使用残差检测方法检测网络拓扑和遥测数据， 滤除数据中由物理网运行故障、 设 备测量误差、 通信系统噪音产生的不良数据， 使系统中仅保留真实数据以及协同FDIA篡改 后的虚假数据； 再将遥测遥信一同送入检测模型中检测， 识别受攻击的母线和支路， 确定受 到攻击的区域； (2)构建基于时空特征的预测模型， 基于可能的遥信集合预测对应遥测数据： 建立基于 时空神经网络的时空特征预测模型， 基于时空神经网络的时空特征预测模 型包含历史特征 处理模块和现有 特征处理模块； 基于时空神经网络的时空特征预测模型根据历史拓扑结构 预测对应的遥测数据， 然后 将遥测遥信一并送入上述检测模型检测， 若通过检测， 则数据恢 复完成； 若未通过检测， 则进入下一 步； (3)使用N ‑k搜索方式， 将遥测遥信组合输入所述的基于时空特征的预测模型， 通过检 测的数据作为真实值： 根据不可观测区域的历史拓扑信息推测可能的拓扑结构， 再预测可 能拓扑结构对应的遥测数据， 将遥测遥信组合送入检测模型， 筛 选出正确的数据组合。 2.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的检测模型使用图自编码器与残差神经网络构建， 攻击检测过程如下式所示： V＝GAE(A,X) 式中， V为提取到的拓扑特征， A表示邻接矩阵， X为节点特征， z为遥测数据； 表示特征 融合操作； 检测模型输出一组{0,1}标签， 表示对应量测受到攻击， 依据这些标签确 定电网 受到攻击的区域。 3.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 基于时空特 征的预测模型按以下 方法构建： 使用GAE和长短期记忆神经网络构建基于时空神经网络的时空特征预测模型， 简称为 Bi‑GAE‑LSTM； Bi‑GAE‑LSTM模型包含历史特征处理模块和现有特征处理模块， 一个具有n条 母线， b条支路的电力系统中， 攻击区域包含na条母线和ba条支路， 输入为 输出为 Bi‑GAE‑LSTM模型如下式所示： Vn＝σ(WApXn) 式中， At为标准化邻接矩阵， 即图卷积核， 由历史量测数据 对应的拓扑结构得来； Ap表示 由现在的拓扑结构所得的标准化邻接矩阵， 与不可观测区域可能的拓扑结构有关； W、 Wh1、 Wh2表示权重矩阵； σ 表示激活函数； LSTM表示长短期记忆神经网络层； Vn表示从现有可观测 量测数据中提取的空间特征； Vh表示从历史量测中提取的时间特征； 表示特征 融合操作； FC表示全连接层； M表示 最终预测结果， 即还原的量测数据。 4.根据权利要求3所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述权　利　要　求　书 1/3 页 2 CN 115378699 A 2σ 是ReLU函数。 5.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的残差检测方法， 检测遵循式为： ||ra||＝||za‑Hxa|| ＝||z+a‑H(x+c)|| ＝||z‑Hx||＜ τ 其中， τ为常量阈值， ra为残差向量， za为受攻击的遥测数据， H为状态估计的雅可比矩 阵， xa为受攻击的状态变量， z为正常遥测数据； a为攻击向量， x为状态变量， c为引起状态变 量误差的向量。 6.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的N‑k搜索方式搜索的目标由下式表示： minΣ|Hc| s.t.|Hc|＝De(Ap,Mp) 其中， |Hc|表示检测出受攻击的量测个数； De表示第三章提出的检测 模型； Ap表示一种 可能的拓扑结构； Mp表示根据拓扑结构Ap还原的量测数据， 还原方式依据式(4.6)； 表示可 能的拓扑 结构组成的集 合， 与未知区域拓扑有关。 7.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的N‑k搜索方式的搜索流 程为： (1)确定未知区域， 生成未知区域的所有拓扑 结构的集 合； (2)根据上文提出的预测模型， 还原每一个可能的拓扑 结构对应的遥测数据； (3)将每一组拓扑结构与遥测数据送入检测模型检测， 得到安全通过检测模型的一组 数据； (4)将安全数据作为未知区域的伪量测， 完成数据恢复。 8.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的历史特 征模块由GAE和长短期记 忆神经网络组成。 9.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御 方法， 其特征在于， 所述 的现有特 征模块采用GAE提取 可观测区域的量测 和拓扑特征。 10.根据权利要求1所述的电网状态拓扑协同虚假数据攻击防御方法， 其特征在于， 所 述的协同FDIA按以下 方法建立： 建立线性状态估计模型为： z＝Hx+e 式中， z为遥测量， H代表拓扑的雅可比矩阵， x为状态量， e为状态量中的误差， 在数据采 集过程中必然会出现； 根据改进的协同FDIA的原理构建攻击向量： (1)攻击者截取遥测与遥信数据并篡改一部分， 将篡改后的版本发送至调度中心， 如下 式所示： 权　利　要　求　书 2/3 页 3 CN 115378699 A 3