[發明專利]電力系統及網絡惡意數據攻擊檢測方法、系統及存儲介質

有效

• 申請號: 202010974359.4
• 申請日: 2020-09-16
• 公開（公告）號: CN112260989B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 劉絢;宋宇飛;張濤;張波
• 申請（專利權）人: 湖南大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;G06K9/62
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;王娟

本發明公開了一種電力系統及網絡惡意數據攻擊檢測方法、系統及存儲介質，充分考慮了傳統電力網絡惡意數據攻擊的異常行為特征以及隱性電力惡意數據攻擊下“異常量測值樣本”的隱秘性和無序性，提出了一種基于隨機抽樣的電力惡意數據檢測方法。本發明的檢測方法深入挖掘隱性惡意數據攻擊導致量測值數據產生的異常特征，通過隨機抽樣的方法對疑似受到惡意數據攻擊的量測值樣本進行定位，克服了傳統檢測方法未能充分挖掘惡意數據的異常行為特征，實現了高隱蔽性惡意數據的檢測，降低了電力系統遭受惡意數據攻擊的風險，有利于提高電力系統運行的安全性。

技術領域

本發明涉及電力系統信息物理安全技術領域，特別是一種電力系統及網絡惡意數據攻擊檢測方法、系統及存儲介質。

背景技術

電力網絡的數據安全對于保障系統的穩定可靠運行至關重要。隨著信息技術的深度融合、海量物聯網設備的接入等，電力系統面臨越來越嚴重的惡意數據攻擊。攻擊者通過惡意數據注入攻擊，誘導控制中心決策失誤，將導致發生線路跳閘、隔離開關誤操作等嚴重安全事故。但是，現有的壞數據檢測方法僅建立在分析數據一致性的基礎之上，利用系統殘差檢驗實現惡意數據的辨識。然而，現有研究表明，攻擊者不但能夠構造滿足系統一致性要求的注入數據，而且能夠將惡意數據隱藏于正常數據之中或者附近，使其不具備明顯異常點特性。因此，傳統的檢測方法無法檢測此類惡意數據攻擊，急需發展針對高隱身惡意數據的檢測方法，防范惡意數據注入攻擊對系統帶來的安全風險。

發明內容

本發明所要解決的技術問題是，針對現有技術不足，提供一種電力系統及網絡惡意數據攻擊檢測方法、系統及存儲介質，充分利用局部惡意數據攻擊向量的構造原則，挖掘遭受惡意數據攻擊的量測值樣本的異常行為特征，有效解決具有高隱秘性電力惡意數據攻擊難以檢測的問題。

為解決上述技術問題，本發明所采用的技術方案是：一種電力網絡惡意數據攻擊檢測方法，包括以下步驟：

S1、輸入電力系統拓撲結構中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，建立當前運行狀態下的量測值樣本動態安全域Θ_m，并判斷待檢測樣本z′是否具有明顯的“異常點”特征，如果該樣本具有明顯的“異常點”特征，則判定該樣本遭受網絡攻擊；如果該樣本不具有明顯的“異常點”特征，執行步驟S3；

S3、根據待檢測樣本z′，使用隨機抽樣方法計算動態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中出現概率最高的量測值樣本，記為z_attack，并計算該量測值樣本與待檢測樣本的差值Δz；

S5、判斷差值Δz所包含的數據是否滿足局部電力惡意數據攻擊的構造特征。

步驟S2的目的是為了剔除遭受惡意數據攻擊后具有明顯異常行為特征的量測值樣本。若輸入的待檢測樣本z′遭受傳統的電力惡意數據攻擊，此樣本經過數據處理后的分布情況將會遠離當前動態安全域Θ_m，則可直接判斷z′為攜帶惡意數據的量測值樣本，若z′的分布情況處于動態安全域之內，才執行后面的步驟。本發明方法的優勢就在于不僅可以剔除遭受傳統電力惡意數據攻擊的異常樣本，也可以檢測遭受隱性電力惡意數據攻擊后不具有明顯異常特征的異常樣本，從而有效解決了具有高隱秘性電力惡意數據攻擊難以檢測的問題。

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；和分別為電力系統中N_d個節點的有功負荷和無功負荷數據組成的向量；和分別為電力系統中N_l條線路上的有功潮流和無功潮流數據組成的向量；為電力系統中N_d個節點的電壓幅值。