文献类型：期刊文章

作　　者：陈冰[1] 唐永旺[2]

Chen Bing;Tang Yongwang(Luohe Institute of Technology,Henan University of Technology,Luohe 462000,Henan,China;Institute of Information and System Engineering,PLA Information Engineering University,Zhengzhou 450001,Henan,China)

机构地区：[1]河南工业大学漯河工学院,河南漯河462000 [2]中国人民解放军战略支援部队信息工程大学信息系统工程学院,河南郑州450001

出　　处：《计算机应用与软件》

年　　份：2021

卷　　号：38

期　　号：7

起止页码：339-344

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

摘　　要：针对当前基于循环神经网络的智能电网虚假数据注入攻击(False Data Injection Attacks,FDIA)检测方法无法提取FDIA数据深层特征的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)和自注意力的检测方法。采用Bi-GRU学习量测序列,输出各时间步的隐状态;引入自注意力机制计算各时间步隐状态的线性加权和作为量测序列的深层特征;通过全连接神经网络层和Softmax层输出预测概率。在IEEE 30-bus和IEEE 14-bus中的仿真实验结果表明该方法切实可行,相较于次优结果,准确率平均提高7.1%,正报率平均提高3.95%,误报率平均降低38.85%。

关 键 词：双向门控循环单元  自注意力  智能电网 虚假数据注入攻击  隐状态  

分 类 号：TP3[计算机类]