基于改进生成对抗网络的虚假数据注入攻击检测方法OA北大核心
False Data Injection Attack Detection Method Based on Improved Generative Adversarial Network
随着新型能源互联网的发展,大规模的传感量测系统为基于数据驱动的虚假数据注入攻击检测方法提供了数据支持,然而攻击样本数据不平衡问题会影响此类方法的性能.提出了基于改进生成对抗网络(generative adversarial network,GAN)和极端随机树的数据重平衡攻击检测模型.首先,为了生成高质量数据,设计GAN的结构使其训练稳定;其次,使用Copula函数构建电力系统状态量之间的空间关联性以适应分布式能源的接入;然后,对改进的GAN进行…查看全部>>
夏云舒;王勇;周林;樊汝森
上海电力大学计算机科学与技术学院,上海市200120上海电力大学计算机科学与技术学院,上海市200120上海电力大学计算机科学与技术学院,上海市200120国网上海电力公司青浦供电公司,上海市201799
信息技术与安全科学
虚假数据注入攻击生成对抗网络极端随机树不平衡数据机器学习攻击检测
《电力建设》 2022 (3)
数据库服务中数据的隐私保护及可控性关键技术研究
58-65,8
国家自然科学基金资助项目(61772327)上海市自然科学基金资助项目(20ZR1455900)大数据协同安全国家工程实验室项目(QAX-201803)上海市科委科技创新行动计划(18511105700)上海市科委电力人工智能工程技术研究中心项目(19DZ2252800)
评论