文献类型：期刊文章

作　　者：陈冰[1] 唐永旺[2]

Chen Bing;Tang Yongwang(Department of Electrical and Electronic Engineering,Henan University of Technology Luohe Institute of Technology,Luohe 462000,Henan,China;School of Information System Engineering,PLA Support Force Information Engineering University,Zhengzhou 450002,Henan,China)

机构地区：[1]河南工业大学漯河工学院电气电子工程系,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450002

出　　处：《计算机应用与软件》

年　　份：2022

卷　　号：39

期　　号：7

起止页码：336-342

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)检测方法无法同时利用量测样本中前后参数信息和样本间参数关联关系的问题,提出一种基于Transformer编码器的FDIA检测框架。对连续时间样本数据进行归一化处理,结合相对位置信息得到连续时间样本向量。引入Transformer编码器,通过多头自注意力机制计算长距离依赖关系,得到连续时间样本的特征表示。将该特征表示输入到全连接神经网络层和Softmax层,输出后一时刻样本受到注入攻击的概率。在IEEE 14-bus和IEEE 30-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7.41%,正报率平均提高4.51%,误报率平均降低60.99%。

关 键 词：Transformer编码器  连续时间  多头注意力  智能电网 虚假数据  

分 类 号：TP3[计算机类]