买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119892499B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510360779.6，技术领域涉及：H04L9/40；该发明授权基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法是由王鑫;李晓龙;杨明;吴晓明;唐勇伟;刘臣胜;贺云鹏;穆超;陈振娅设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法在说明书摘要公布了：本发明属于数据分析与网络安全技术领域，具体涉及一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法。所述方法包括：通过预处理多个传感器的测量数据，将数据输入到基于物理约束和时间条件嵌入的WGAN框架进行训练；WGAN生成符合物理规律的高质量合成数据，并结合LSTM捕捉时间序列的长短期特性；随后，利用CNN‑Transformer模型进行全局特征提取和动态阈值生成，结合基于分位数的动态检测机制分析正常数据的分布，精准定位潜在攻击来源；最终，通过循环优化模型架构与参数，提升检测与定位的精度与效率。

本发明授权基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法在权利要求书中公布了：1.一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法，其特征在于，所述方法包括： S1、获取多个传感器中的历史测量数据，并对所述历史测量数据进行预处理，得到正常数据样本； S2、初始化生成对抗网络WGAN的生成器与判别器的参数，并结合时间条件嵌入和物理约束损失函数对所述生成对抗网络WGAN进行模型训练，使其生成器基于所述正常数据样本生成符合系统物理规律的合成数据样本； 其中，采用基于先验知识的权重初始化方式对所述生成对抗网络WGAN的生成器和判别器进行初始化；且在模型训练时，引入物理约束条件： （2）； 式（2）中：表示生成的总发电功率，单位为MW；表示生成的总负载功率，单位为MW；表示生成的传输损耗，单位为MW； 定义物理约束损失函数为： （3）； 式（3）中：表示物理约束损失，采用L2范数度量功率守恒的偏离程度，用于确保功率守恒； 生成器的中间损失函数考虑物理约束和WGAN损失的结合： （4）； 式（4）中：表示生成器的中间损失函数；表示生成器的WGAN损失，用于约束数据分布；为超参数，用于调节物理约束损失在生成器优化过程中的权重； 生成器的总损失函数在其中间损失函数的基础上加入时间一致性损失： （5）； 式（5）中：表示生成器的总损失函数；表示时间一致性损失，用于确保时间动态一致性；为超参数； 所述时间一致性损失为： （6）； 式（6）中：表示生成数据；表示真实数据在该时间点的均值，使GAN在时间维度上更接近真实数据，，表示时间条件，为一天24小时的离散时间点； S3、初始化LSTM模型的参数，先利用所述合成数据样本对LSTM模型进行预训练，再结合实际数据优化预训练后的LSTM模型参数，并利用优化后的LSTM模型提取所述正常数据样本的时序特征； S4、初始化CNN-Transformer模型的参数，将所述LSTM模型提取的时序特征与所述正常数据样本作为数据组合一同输入到CNN-Transformer模型中，通过其中的CNN模型提取输入的数据组合的局部时序特征，通过其中的Transformer模型捕捉输入的数据组合的全局时序演化特性，以生成动态阈值； S5、基于分位数损失函数优化所述动态阈值的区间范围，并基于优化后的所述动态阈值对待检测传感器测量数据进行监测，将预处理后的待检测传感器测量数据与所述动态阈值的区间范围进行比较，若其超出动态阈值的区间范围，则被判定为存在攻击。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。