王 勇, 武津园, 陈雪鸿, 程彦喆, 刘丽丽

(1.上海电力大学, 上海 200090; 2.国家工业信息安全发展研究中心, 北京 100040;3.东南大学, 江苏 南京 210000;4.华电电力科学研究院有限公司国家能源分布式能源技术研发(实验)中心, 浙江 杭州 310030)

电网具有系统规模大、结构层次复杂、对实时性要求严格的特点。随着电网智能化的发展,电网对信息技术的依赖度逐步提高[1]。传感设备和集成的通信网络使系统具有实时感知、信息服务和动态控制的功能[2]。对现场设备的数据采集与监视控制系统中数据质量的监视和控制,直接影响控制中心的决策[3]。

计算机在促进电力调度、优化决策的同时,其自身的安全漏洞问题也会带来安全威胁[4-5]。文献[6]于2009年首次提出虚假数据注入攻击(False Data Injection Attack,FDIA)。它是一种典型的网络攻击方式[7],通过破坏数据的完整性以干扰决策,成功躲避坏数据检测机制,达到危及电力系统安全的目的。作为针对基础工业控制系统的一种新型攻击方式,其攻击原理、检测算法、防御措施及安全评估方法亟待研究[8-9]。文献[10]提出了卷积神经网络,从网络数据报文中学习入侵攻击特征,进而实时检测虚假数据的注入。文献[11-12]使用支持向量机的方法,将历史数据投影至低维空间,消除了数据之间的相关性,将注入的虚假数据与正常数据分离。上述两种基于机器学习的检测方法可以实现FDIA的检测,但需要一定量的历史数据作为训练样本,且实验的准确性在一定程度上与文献所提出的检测器的训练结果相关。……