首页|期刊导航|电力信息与通信技术|基于梯度量化联邦学习的电网调度网络攻击检测方法

基于梯度量化联邦学习的电网调度网络攻击检测方法OA

中文摘要

随着智能电网技术的持续发展,电力调度网络不仅面临虚假数据注入、拒绝服务等多类未知网络攻击,还暴露出数据安全防护薄弱、隐私保护机制不完善、跨区域协同调度能力不足等关键问题。现有集中式网络攻击检测方法普遍存在存储资源受限、通信负载高及隐私泄露风险严重等挑战。为此,文章提出一种联邦学习检测方法(FedDSIG),旨在使分散电网区域的数据采集与监视控制系统在不共享敏感电力数据的前提下,实现电网调度入侵检测模型的协同训练。该方法通过融合深度自动编码器提取判别性特征,并引入差分隐私单比特符号梯度下降算法,有效降低通信开销并提升训练效率。在MSU-ORNL数据集上的实验结果显示,所提方法在保障数据隐私的同时,显著提升了电力调度网络攻击的检测性能,可为电力系统运营商提供可靠的网络扰动判断依据,在保障电网安全运行方面具有重要的理论意义与应用价值。

段鹏飞;马晓磊;杨延栋;徐琳;张景鹏;杨睿

国网新疆电力有限公司,新疆维吾尔自治区乌鲁木齐市830063国网新疆电力有限公司,新疆维吾尔自治区乌鲁木齐市830063国网新疆电力有限公司,新疆维吾尔自治区乌鲁木齐市830063国网新疆电力有限公司,新疆维吾尔自治区乌鲁木齐市830063西安交通大学网络空间安全学院,陕西省西安市710049西安交通大学网络空间安全学院,陕西省西安市710049

信息技术与安全科学

入侵检测隐私保护深度自动编码器网络差分隐私

《电力信息与通信技术》 2026 (7)

P.22-33,12

陕西省重点研发计划项目(2022ZDLSF07-07)国网新疆电力有限公司省网科技项目(5230HQ250007)。

10.16543/j.2095-641x.electric.power.ict.2026.07.03

评论