一种电网负载重分配攻击的检测方法、应用方法、设备及介质与流程

摘要: 本技术涉及网络安全,特别涉及一种电网负载重分配攻击的检测方法、应用方法、设备及介质。背景技术:1、负载重分配攻击是一种典型的虚假数据注入攻击,攻击者通过篡改部署...
一种电网负载重分配攻击的检测方法、应用方法、设备及介质与流程

本技术涉及网络安全,特别涉及一种电网负载重分配攻击的检测方法、应用方法、设备及介质。

背景技术:

1、负载重分配攻击是一种典型的虚假数据注入攻击,攻击者通过篡改部署于用户端的传感器测量数据,在规避传统坏数据检测机制的同时,诱导电网控制中心做出错误的调度决策,从而造成重大经济损失。现有的负载重分配攻击检测方法通常基于系统级全局数据,利用状态估计残差分析、主成分分析或基于密度的聚类算法等数据驱动手段,从全部传感器的测量值中提取整体异常模式,再通过比较残差、重构误差或异常分数与预设阈值来判断系统是否遭受攻击。

2、当攻击者仅对个别传感器的测量数据进行精心构造时,其异常在系统级的宏观统计特征中极易被掩盖,导致现有方法对隐秘性强、以增加发电成本为目标的增强型负载重分配攻击的检测效率低下。此外,现有数据驱动检测器通常需要标注的攻击样本进行有监督训练,而高级攻击样本在实际系统中极难获取,进一步限制了其适应性以及实用性。

技术实现思路

1、本技术提供了一种电网负载重分配攻击的检测方法、应用方法、设备及介质,用于解决对多类型负载重分配攻击的检测效率低的问题。

2、本技术第一方面提供了一种电网负载重分配攻击的检测方法,包括:

3、获取单个传感器的实时测量数据序列,计算序列中相邻两个时刻测量值的差分值,由连续多个差分值构建指定长度的滞后向量,并组成测量矩阵;

4、对所述测量矩阵进行多层级分解,根据分解得到的各层级特征向量构建投影矩阵,计算当前滞后向量与历史预测向量在所述投影矩阵下的投影距离;

5、构建当前变化谱,所述当前变化谱为由所述投影距离与各所述层级特征向量的变化率构成的多维度序列;通过动态时间规整算法计算所述当前变化谱与由训练阶段正常数据预先提取的历史正常变化谱之间的最小对齐距离;

6、将所述投影距离与所述最小对齐距离进行加权求和,得到综合异常指标;

7、比较所述综合异常指标与预设阈值的大小,若超过所述预设阈值,则判定传感器遭受负载重分配攻击。

8、可选的,所述对所述测量矩阵进行多层级分解,根据分解得到的各层级特征向量构建投影矩阵,包括:

9、获取所述测量矩阵对应的消去树,所述消去树包含多个层级的树节点,每个所述树节点对应所述测量矩阵中的一个子矩阵;

10、对每个所述树节点对应的子矩阵进行奇异值分解,提取表征该子矩阵主要变化模式的前个奇异向量,作为该树节点对应的特征向量;

11、将同一层级的各树节点对应的特征向量进行拼接,得到该层级的层级特征向量;

12、将各层级的层级特征向量组合,构建投影矩阵。

13、可选的,所述计算当前滞后向量与历史预测向量在所述投影矩阵下的投影距离,包括:

14、选取与当前时刻最接近的多个历史滞后向量,对各历史滞后向量按时间远近进行指数加权平均,得到历史预测向量;

15、将所述当前滞后向量与所述历史预测向量分别投影至由所述投影矩阵的列向量张成的子空间,得到当前投影向量和预测投影向量;

16、计算所述当前投影向量与所述预测投影向量之间的欧氏距离,作为投影距离。

17、可选的,所述通过动态时间规整算法计算所述当前变化谱与由训练阶段正常数据预先提取的历史正常变化谱之间的最小对齐距离,包括:

18、根据所述投影距离与各所述层级特征向量在相邻时刻的变化率,构建多维度序列,得到当前变化谱;

19、获取训练阶段由正常数据按相同方式预先提取的历史正常变化谱;

20、通过动态时间规整算法,对所述当前变化谱与所述历史正常变化谱进行时间轴上的非线性对齐,计算两者之间的最小累计距离,作为最小对齐距离。

21、本技术第二方面提供了一种如所述检测方法在识别多类型负载重分配攻击中的应用,所述多类型负载重分配攻击包括通用负载重分配攻击、隐秘性负载重分配攻击和增强型负载重分配攻击。

22、可选的,所述通用负载重分配攻击通过以下步骤建立:

23、获取电网的净注入功率向量,构建表征所述净注入功率向量与功率流向量之间关系的直流潮流模型;

24、生成注入的负载测量向量,所述注入的负载测量向量中各元素的代数和为零,且各元素的绝对值不超过对应正常负载测量值的预设比例;

25、将所述注入的负载测量向量叠加至所述净注入功率向量,根据所述直流潮流模型计算注入后的功率流向量,并将发电量向量的变化量设为零。

26、可选的,所述隐秘性负载重分配攻击通过以下步骤建立:

27、获取多个历史测量向量,以当前注入后的测量向量与各所述历史测量向量之间的欧氏距离之和最小化为第一目标函数;

28、在所述通用负载重分配攻击的约束条件下,对所述第一目标函数进行优化求解,得到注入的负载测量向量和功率流向量;

29、其中,所述优化求解得到的注入的负载测量向量和功率流向量还满足:至少一条输电线路的功率流变化量与最大潮流容量之比超过预设潮流越限阈值。

30、可选的,所述增强型负载重分配攻击通过以下步骤建立:

31、获取正常状态下的电网发电成本,以注入错误数据后计算得到的发电成本与正常发电成本之差为第二目标函数;

32、在所述通用负载重分配攻击或所述隐秘性负载重分配攻击的约束条件下,对所述第二目标函数进行最大化求解,得到注入的负载测量向量和功率流向量,使得注入后的发电成本高于所述正常发电成本。

33、本技术第三方面提供了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的电网负载重分配攻击的检测方法。

34、本技术第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机设备上运行时使得所述计算机设备执行上述的电网负载重分配攻击的检测方法。

35、从以上技术方案可以看出,本技术具有以下优点:

36、本技术通过聚焦单个传感器的时序数据,将实时测量值转化为反映局部动态的差分序列并构建测量矩阵,增强了对单点数据微观变化的敏感性;采用基于消去树的多层级分解从测量矩阵中逐层提取特征向量并构建投影矩阵,实现了对数据主要变化模式的分层刻画,提升特征提取的精度;利用当前滞后向量与历史预测向量在投影子空间中的投影距离捕捉数据结构的异常偏差,能够有效识别因攻击导致的测量值结构轮廓畸变;同时构建由投影距离与各层级特征向量变化率组成的多维度变化谱,通过动态时间规整算法计算其与历史正常变化谱的最小对齐距离以检测时序形态的异常变动,能够发现攻击者调换数据顺序的隐蔽行为;将投影距离与对齐距离加权融合形成综合异常指标,实现了结构特征与时序特征的双重验证,有效降低了误报率和漏报率,从而能够区分正常负荷波动和恶意攻击,有效提升了对多类型负载重分配攻击的检测效率以及准确性。