低成本对抗性隐蔽虚假数据注入攻击及其检测方法

摘要：

信息物理深度耦合的电网面临着虚假数据注入攻击的威胁,深度学习技术成为检测虚假数据注入攻击的重要手段.针对深度神经网络面临的对抗性攻击的问题,该文提出一种低成本对抗性隐蔽虚假数据注入攻击方案及对应的检测方法.通过两阶段优化求解最优的量表组合及攻击值,得到预期攻击目标的最优攻击策略,对最优攻击值通过白盒攻击添加对抗性扰动,使深度学习模型将其误报为正常样本.从检测的角度,对历史数据库中的所有初始攻击样本均添加对抗性扰动,并标记为攻击样本加入训练集,对模型进行训练,提升检测性能.分别在IEEE14节点系统和IEEE118节点系统上进行实验,验证了所提攻击和检测方法的有效性.

关键词：深度学习、虚假数据注入攻击、对抗攻击、白盒攻击、对抗训练

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：上海市科委地方院校能力建设项目20020500700

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1531-1539,中插55