一种基于通道注意力生成对抗网络(Channel Attention Generative Adversarial Networks)的电网虚假数据注入攻击防御方法
《CSEE Journal of Power and Energy Systems》:A method against false data injection attacks on power grid based on channel attention generative adversarial networks
【字体:
大
中
小
】
时间:2026年05月18日
来源:CSEE Journal of Power and Energy Systems 5.9
编辑推荐:
摘要:为了解决在遭受虚假数据注入攻击后修复电网测量数据的问题,目前最广泛使用且最有效的方法是基于深度学习的状态重建。然而,这些方法由于梯度消失、特征冗余以及网络深度增加导致的生成质量下降,常常会面临状态重建精度降低的问题。为了解决这一问题,本文提出了一种基于通道注意力生成对抗网
摘要:
为了解决在遭受虚假数据注入攻击后修复电网测量数据的问题,目前最广泛使用且最有效的方法是基于深度学习的状态重建。然而,这些方法由于梯度消失、特征冗余以及网络深度增加导致的生成质量下降,常常会面临状态重建精度降低的问题。为了解决这一问题,本文提出了一种基于通道注意力生成对抗网络的电网虚假数据注入攻击状态重建方法。该方法利用Wasserstein生成对抗网络框架,引入残差网络来解决深度模型的退化问题,并嵌入通道注意力机制以动态调整特征通道的权重。通过增强与攻击相关的关键特征,该方法显著提高了状态重建的精度。在IEEE-14和57节点系统上的仿真实验表明,所提出的状态重建方法能够有效恢复攻击后的测量数据,并且与其他状态重建方法相比,最大差异、均方根误差和重建差异减少了1到4个数量级。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号