[發(fā)明專利]電力系統(tǒng)及網(wǎng)絡(luò)惡意數(shù)據(jù)攻擊檢測方法、系統(tǒng)及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010974359.4
• 申請日: 2020-09-16
• 公開（公告）號: CN112260989B
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計）人: 劉絢;宋宇飛;張濤;張波
• 申請（專利權(quán)）人: 湖南大學(xué)
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;G06K9/62
• 代理公司: 長沙正奇專利事務(wù)所有限責(zé)任公司 43113
• 代理人: 馬強;王娟

1.一種電力網(wǎng)絡(luò)惡意數(shù)據(jù)攻擊檢測方法，其特征在于，包括以下步驟：

S1、輸入電力系統(tǒng)拓撲結(jié)構(gòu)中n個正常的歷史量測值樣本，組成正常量測值樣本集Z_normal；

S2、根據(jù)輸入的待檢測樣本z′和步驟S1中的正常量測值樣本集Z_normal，建立當(dāng)前運行狀態(tài)下的量測值樣本動態(tài)安全域Θ_m，并判斷待檢測樣本z′是否具有明顯的“異常點”特征，如果該待檢測樣本z′具有明顯的“異常點”特征，則判定該待檢測樣本z′遭受網(wǎng)絡(luò)攻擊；

如果該待檢測樣本z′不具有明顯的“異常點”特征，執(zhí)行步驟S3；步驟S2的具體實現(xiàn)過程包括：

1)將待檢測樣本z′與正常量測值樣本集Z_normal組成一個訓(xùn)練數(shù)據(jù)樣本集Z_train；

2)將訓(xùn)練數(shù)據(jù)樣本集Z_train中的每一個量測值樣本從m維空間映射到r維空間中，得到由r維模擬數(shù)據(jù)所組成的低維樣本集合Z_r＝[z′_r,Z_normal-r]；r≤m；z′_r為將待檢測樣本z′中的每一個量測值樣本從m維空間映射到r維空間中得到的由r維模擬數(shù)據(jù)所組成的低維樣本集合；Z_normal-r為將正常量測值樣本集Z_normal中的每一個量測值樣本從m維空間映射到r維空間中得到的由r維模擬數(shù)據(jù)所組成的低維樣本集合；

3)通過K均值聚類的方法，計算低維樣本集合Z_normal-r中的n個樣本點的聚類中心點，記為點z_o；

4)計算低維樣本集合Z_normal-r中所有樣本點與聚類中心點z_o之間的歐式距離；

5)計算當(dāng)前狀態(tài)下量測值樣本動態(tài)安全域Θ_m的波動范圍D_max：D_max＝( maxD)；D為低維樣本集合Z_normal-r的n個樣本與聚類中心點z_o之間歐式距離的集合，max代表求取一個向量中元素最大值的函數(shù)；

6)利用下式判斷待檢測樣本是否具有明顯的“異常點”特征：

其中，為待檢測樣本的低維數(shù)據(jù)樣本z′_r與聚類中心z_o的歐式距離；δ為判斷一個樣本是否具有“異常點”特征的閾值；當(dāng)上式成立時，則判斷待檢測樣本z′具有明顯的“異常點”特征；

S3、根據(jù)待檢測樣本z′，使用隨機抽樣方法計算動態(tài)安全域中疑似遭受攻擊樣本集Λ；

S4、計算步驟S3所得疑似遭受攻擊樣本集Λ中出現(xiàn)次數(shù)最多的量測值樣本，并計算該出現(xiàn)次數(shù)最多的量測值樣本的差值Δz；

S5、判斷差值Δz所包含的數(shù)據(jù)是否滿足局部電力惡意數(shù)據(jù)攻擊的構(gòu)造特征。

2.根據(jù)權(quán)利要求1所述的電力網(wǎng)絡(luò)惡意數(shù)據(jù)攻擊檢測方法，其特征在于，步驟S1中，正常量測值樣本集Z_normal＝[z₁,z₂,…,z_n]；其中，z_i表示第i個量測值樣本；和分別為電力系統(tǒng)中N_d個節(jié)點的有功負荷和無功負荷數(shù)據(jù)組成的向量；和分別為電力系統(tǒng)中N_l條線路上的有功潮流和無功潮流數(shù)據(jù)組成的向量；為電力系統(tǒng)中N_d個節(jié)點的電壓幅值。