[發明專利]一種智能電網惡意數據注入攻擊及檢測方法

有效

• 申請號: 201510062192.3
• 申請日: 2015-02-06
• 公開（公告）號: CN104573510B
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 王學淵;胥學金;趙俊博;羅亮;周金治;張婧鶴
• 申請（專利權）人: 西南科技大學
• 主分類號: G06F21/55
• 分類號: G06F21/55
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于智能電網數據信息安全領域，尤其涉及一種智能電網惡意數據注入攻擊及檢測方法。

背景技術

現代智能電網利用狀態估計理論從含有誤差的遙測數據中(有功和無功注入量測、有功和無功潮流量測、電壓量測)獲得電力系統當前狀態的最佳估計，并剔除系統中出現的不良數據，為電力系統實現在線分析和控制提供實時準確的運行數據。因此，有效地排除遙測數據中的錯誤數據并防御黑客的惡意數據注入攻擊是智能電網安全穩定運行的首要條件。雖然經過多年的發展，電力系統中已經建立了比較完善的不良數據檢測與辨識理論體系，能夠比較好的應付常見的單個或者多個不良數據，但是在高度依賴通信網絡的智能電網環境中，已經建立的不良數據檢測與辨識方法并不能有效的應對黑客精心設計的不良數據惡意攻擊。一旦黑客能有效的獲取電網的拓撲、線路參數和一些量測數據，那么它便可以發起惡意數據攻擊而不被控制中心的不良數據檢測器所發現，從而對電網造成較大的安全隱患和巨大的經濟損失。另一方面，隨著越來越多的同步相角量測(Phasor Measurement Unit，PMU)裝置的投入使用，控制中心越來越依賴這些先進的量測設備所采集的實時準確信息對全網進行監測與控制。一旦這些量測信息被黑客所攻擊，那么電網的安全穩定運行將受到巨大的威脅。

盡管已有一些文獻針對智能電網的直流傳輸模型提出了一些檢測算法并取得了一定的效果，但是針對更為實際的電網交流傳輸模型，還沒有提出任何有效的檢測算法。此外，通過攻擊PMU來實現智能電網環境下的新惡意數據攻擊注入方式，將復雜的電網交流傳輸模型轉換為更為簡單的直流傳輸模型，以便可以更好的發動惡意數據注入攻擊，并且繞過現有的不良數據檢測方法。因此，從實際智能電網安全運行要求來看，找到一種高效的惡意數據注入攻擊的檢測方法具有十分重要的意義。

發明內容

本發明為克服現有技術的不足，提出了一種智能電網惡意數據注入攻擊及檢測方法。該方法首先通過攻擊電網中少數的同步相角量測(Phasor Measurement Unit，PMU)將交流模型惡意數據注入攻擊轉化為直流模型下的惡意數據注入攻擊，構造出一種新的智能電網惡意數據注入攻擊方式，然后針對這種攻擊方式，本發明提出了兩種即基于預測量測和估計量測殘差的檢測算子，來檢測并定位量測中所出現的惡意注入數據。

本發明一種智能電網惡意數據注入攻擊及檢測方法，通過以下步驟實現：

S1、獲取電網拓撲結構、線路參數：

S11、電網的拓撲結構包括線路之間的連接狀態，開關開斷情況；線路參數包括線路導納、對地電納。

S2、基于PMU的系統可觀測性分析，通過最小數目PMU配置的系統可觀測性優化分析方法確定系統可觀測性所需要的最小PMU量測配置數目。

S21、PMU量測包括PMU配置節點處的電壓幅值和與其相鄰的支路電流向量；

S22、優化方法采用貪婪隨機自適應搜索算法。

S3、惡意數據攻擊注入，具體的攻擊方法如下：

S31、根據S2所得到的最小PMU量測配置，通過網絡攻擊取得對這些量測的控制權。

S32、對所控制的PMU量測注入一定的惡意虛假數據，具體注入方式如下：

S33、PMU可觀測電力系統狀態估計模型為

z＝Hx+e

其中，z為量測向量，H為一個代表量測量與狀態量x線性關系的恒定矩陣，e為量測噪聲向量，服從均值為0的高斯分布。

S34、構造的惡意攻擊向量為

a＝Hc

其中，c為非零列向量。此時由傳統的基于殘差的不良數據檢測方法可得

其中，||·||為2范數算子，為不含惡意注入數據時的狀態估計結果，R^-1是量測權重矩陣，τ為檢測門限。由此可以看出，傳統的不良數據檢測方法不能檢測出惡意注入數據。

S4、狀態估計：含有不良惡意注入數據時的估計模型為

z+a＝Hx+e

通過采用加權最小二乘法可以得到含有惡意注入數據的狀態估計結果為

S5、狀態和量測預測，具體預測方法如下：

S51、電力系統在準穩態運行情況下，利用動態狀態估計的預測模型以及上一時刻的歷史數據可以得到下一時刻的狀態預測為

其中，F_k為狀態轉移矩陣，為上一時刻的狀態估計值，G_k為非零對角矩陣，k+1和k分別表示采樣時刻。

狀態預測的誤差協方差矩陣為