DiPRoD：面向具有测量冗余的电力系统中虚假数据注入攻击的差分隐私鲁棒分布式检测方法

《Engineering》：DiPRoD: Differentially-Private Robust Distributed Detection Method for False Data Injection Attacks in Power Systems with Measurement Redundancy

　　

摘要边缘设备的日益部署以及信息物理基础设施的深度集成，使得现代电力系统高度依赖测量数据，从而更容易受到虚假数据注入攻击（FDIA）。为了克服集中式FDIA检测在通信、计算和隐私方面的局限性，本文提出了一种差分隐私鲁棒分布式（DiPRoD）检测框架。首先，在信息不完全的系统知识下，研究人员将FDIA行为显式建模为区域层面的对抗优化，从而得到一个带有复合指标的鲁棒区域检测问题，该指标联合捕获攻击成本和状态估计偏差。研究人员证明了该问题的凸性以及交替梯度算法的收敛性。其次，通过利用时空测量冗余，研究人员设计了一种主动测量变换机制，并从理论上证明该机制能扩大攻击样本与正常样本在复合指标空间中的可分性，从而提高隐蔽性FDIA的可检测性。第三，在协调层面，研究人员引入了一种差分隐私机制，使得每个区域仅上传经拉普拉斯扰动后的局部参数，而控制中心则执行加权聚合以构建全局鲁棒检测器。最后，研究人员开发了一种针对全局检测阈值和区域隐私预算的在线联合自适应策略，以动态平衡检测性能和隐私保护。在标准测试系统上的案例研究表明，在规定的隐私预算下，与集中式基线相比，所提出的DiPRoD方法实现了优越的检测精度和鲁棒性，同时为大规模电力系统保持了良好的可扩展性。

**论文解读：DiPRoD——面向电力系统虚假数据注入攻击的差分隐私鲁棒分布式检测方法**

**1. 研究背景与存在问题**

现代电力系统作为信息物理系统（CPS），其安全稳定运行高度依赖于广域测量系统提供的海量实时数据。然而，随着边缘计算设备的普及和云-边-端协同架构的演进，系统的攻击面也随之扩大。虚假数据注入攻击（FDIA）是一种极具威胁的网络攻击，攻击者通过篡改测量数据，可在不触发传统不良数据检测（BDD）机制的情况下，引入系统性的状态估计（SE）偏差，从而误导调度决策，甚至引发连锁故障。传统的基于残差阈值的BDD方法在面对了解系统拓扑和测量矩阵的精心构造的FDIA时，其检测能力十分有限。

现有研究在应对FDIA时面临三大核心挑战：第一，**集中式检测架构的瓶颈**。随着系统规模扩大，将所有原始测量数据汇总至控制中心进行统一处理，会带来巨大的通信和计算开销，难以满足实时性要求。同时，数据的高度集中也使其成为高价值攻击目标，增大了数据泄露风险。第二，**隐私保护与数据治理的约束**。在多区域互连的背景下，不同利益相关方对数据共享有着严格的隐私法规限制，直接交换原始测量数据是不被允许的。第三，**鲁棒性与主动防御能力的不足**。许多现有方法假设测量配置固定，且未能有效利用系统中广泛存在的测量冗余作为主动防御手段，以重塑攻击空间、提升对隐蔽性攻击的可检测性。此外，在信息不完全的对抗场景下，检测器的鲁棒性也亟待加强。

**2. 研究内容与结论**

针对上述问题，研究人员提出了一种名为DiPRoD的差分隐私鲁棒分布式FDIA检测框架。该框架的核心在于将分布式鲁棒优化、冗余驱动的主动防御以及严格的差分隐私（DP）保护进行有机整合。研究人员的核心结论是：DiPRoD框架能够在规定的隐私预算下，显著提升对不完全信息及隐蔽性FDIA的检测性能，同时具备良好的可扩展性和实时性，为多区域互连电力系统提供了一种兼顾安全、隐私与效率的解决方案。该论文发表在《Engineering》期刊上。

**3. 主要关键技术方法**

为开展此项研究，研究人员主要采用了以下关键技术方法：
1. **分布式鲁棒优化框架**：在区域层面，将攻击者行为建模为有界扰动集内的最坏情况对抗，构建一个联合捕获攻击成本与状态偏差的复合检测指标，并证明由此形成的区域鲁棒检测问题是一个凸优化问题，可通过交替梯度算法求解。
2. **冗余驱动的主动测量变换机制**：利用时空测量冗余，通过随机选择不同相量测量单元（PMU）通道和调整采样频率，动态改变有效测量矩阵，从理论上证明该机制能破坏攻击者的先验知识，扩大攻击样本与正常样本在复合指标空间中的可分性。
3. **差分隐私（DP）参数上传机制**：在区域与控制中心协调层面，采用拉普拉斯机制（Laplace mechanism）对区域上传的局部模型参数注入校准噪声，实现可量化的隐私保护，并推导出该噪声对鲁棒检测性能影响的上界。
4. **阈值与隐私预算的联合自适应策略**：在在线检测阶段，根据滑动窗口内的检测性能指标（如TPR和FPR），动态调整全局检测阈值和各区域的隐私预算，以在实时运行中平衡检测性能与隐私保护水平。

**4. 研究结果**

**4.1. 检测性能对比**
在IEEE 14节点和IEEE 118节点标准测试系统上，针对多种攻击场景（包括区域不完全信息攻击和冗余变换攻击）的测试表明，所提出的DiPRoD方法在检测率（TPR）和受试者工作特征曲线下面积（AUC）上均优于所有基线方法。具体而言，DiPRoD在IEEE 14节点系统上实现了96.5%的TPR和0.98的AUC，显著优于集中式残差检测（M1，TPR=34%）和分布式经验风险最小化（M2，TPR=82%）。在IEEE 118节点系统上，DiPRoD的TPR达到94.6%，FPR仅为5.9%，均优于其他方法。

**4.2. 检测指标的可分性分析**
通过对比三种配置（C1：仅残差统计量；C2：固定测量配置下的复合指标J_k；C3：冗余变换后的复合指标J_k），研究人员发现，引入复合指标（C2→C3）显著提升了攻击与正常样本的可分性指标D_k（从1.32提升至2.05），而冗余变换（C3）进一步将D_k提升至3.48，验证了所提机制的有效性。

**4.3. 鲁棒性分析**
DiPRoD在不同攻击强度（目标支路功率偏差5%-15%）和攻击稀疏度（受控通道比例3%-10%）下均表现出最高的鲁棒性。尤其在弱攻击和稀疏攻击下，其TPR均保持在90%以上，而集中式方法（M1）和分布式基线方法（M2）的性能则显著下降。在高噪声和大负荷波动场景下，DiPRoD的检测性能依然稳定，展现了良好的鲁棒性。

**4.4. 隐私与性能权衡**
在IEEE 118节点系统上的实验表明，DiPRoD的检测性能随隐私预算ε的增大而提升，但存在一个拐点（ε≈1.0）。当ε超过该值后，性能提升趋于平缓，表明系统可以在提供有意义的隐私保护的同时，实现接近非隐私上界的检测性能。

**4.5. 在线自适应策略验证**
长周期在线模拟实验显示，所提出的全局检测阈值τ_g(t)和平均隐私预算 ε?(t)联合自适应策略能够稳定运行。当检测性能（TPR, FPR）偏离目标（TPR_tar=95%, FPR_tar=5%）时，系统能自动调整参数，使性能指标快速收敛并稳定在目标值附近，实现了检测性能与隐私保护的动态平衡。

**4.6. 可扩展性分析**
在更大规模的IEEE 300节点系统上的测试表明，DiPRoD框架具有良好的可扩展性。各区域的平均训练时间随系统规模增长适中，在线检测延迟保持在20-40毫秒内，满足实时性要求。各区域的检测性能分布均匀，中位数TPR维持在92%以上，表明该方法能在大规模电力系统中提供均衡且有效的区域保护。

**5. 讨论与结论**

**讨论部分总结**：论文讨论了所提方法在标准分布式监测假设下的有效性，并验证了其在实际应用中的潜力。研究指出，将框架扩展到更复杂的场景，如非线性动态状态估计、异步通信、严重数据缺失以及更具适应性的攻击策略，是未来重要的研究方向。

**研究结论部分翻译**：本文提出了DiPRoD，一个面向电力系统、旨在应对隐蔽性攻击、集中式检测器可扩展性有限以及隐私约束的差分隐私鲁棒分布式FDIA检测框架。DiPRoD整合了对抗性鲁棒区域训练机制、基于冗余驱动的复合检测指标与时空测量变换，以及通过差分隐私参数共享实现的隐私保护跨区域协调。在不同测试系统上的案例研究表明，在规定的隐私预算下，DiPRoD始终优于集中式残差测试和分布式经验风险最小化基线，将TPR提高了约10%-60%，并将FPR降低了约3%-5%。同时，其计算和通信开销适中，每周期在线延迟在20-40毫秒内，每轮训练仅上传10²-10³个模型参数，从而实现了跨区域的均衡保护。