Knowledge Commons of Institute of Automation,CAS
基于改进多隐层极限学习机的电网虚假数据注入攻击检测 | |
席磊; 何苗; 周博奇; 李彦营 | |
发表期刊 | 自动化学报
![]() |
ISSN | 0254-4156 |
2023 | |
卷号 | 49期号:4页码:881-890 |
摘要 | 虚假数据注入攻击(False data injection attacks, FDIA)严重威胁了电力信息物理系统(Cyber-physical system,CPS)的状态估计,而目前大多数检测方法侧重于攻击存在性检测,无法获取准确的受攻击位置.故本文提出了一种基于灰狼优化(Gray wolf optimization, GWO)多隐层极限学习机(Multi layer extreme learning machine, ML-ELM)的电力信息物理系统虚假数据注入攻击检测方法.所提方法将攻击检测看作是一个多标签二分类问题,不仅将用于特征提取与分类训练的极限学习机由单隐层变为多隐层,以解决极限学习机特征表达能力有限的问题,且融入了具有强全局搜索能力的灰狼优化算法以提高多隐层极限学习机分类精度和泛化性能.进而自动识别系统各个节点状态量的异常,获取受攻击的精确位置.通过在不同场景下对IEEE-14和57节点测试系统上进行大量实验,验证了所提方法的有效性,且分别与极限学习机、未融入灰狼优化的多隐层极限学习机以及支持向量机(Support vector machine, SVM)相比,所提方法具有更精确的定位检测性能. |
关键词 | 电力信息物理系统 虚假数据注入攻击 状态估计 灰狼优化 多隐层极限学习机 |
DOI | 10.16383/j.aas.c211127 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56175 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 席磊,何苗,周博奇,等. 基于改进多隐层极限学习机的电网虚假数据注入攻击检测[J]. 自动化学报,2023,49(4):881-890. |
APA | 席磊,何苗,周博奇,&李彦营.(2023).基于改进多隐层极限学习机的电网虚假数据注入攻击检测.自动化学报,49(4),881-890. |
MLA | 席磊,et al."基于改进多隐层极限学习机的电网虚假数据注入攻击检测".自动化学报 49.4(2023):881-890. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2021-1127.pdf(4976KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[席磊]的文章 |
[何苗]的文章 |
[周博奇]的文章 |
百度学术 |
百度学术中相似的文章 |
[席磊]的文章 |
[何苗]的文章 |
[周博奇]的文章 |
必应学术 |
必应学术中相似的文章 |
[席磊]的文章 |
[何苗]的文章 |
[周博奇]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论