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!
摘要:本发明公开了一种基于联邦学习与对比学习的虚假数据注入攻击检测方法、装置及存储介质,旨在提升智能电网的网络安全。该方法通过各区域本地中心收集电网数据并进行预处理,利用对比学习进行本地模型训练,然后将训练好的模型上传至控制中心进行参数聚合,生成全局模型。本地中心采用指数移动平均法更新本地模型,并使用少量标签数据训练二分类器进行FDIA检测。该方法有效解决了数据孤岛问题,提高了模型的泛化能力和检测精度,同时保护了数据隐私。装置包括处理器和存储器,存储器中存有执行本方法的计算机程序指令。本发明还提供了一种存储介质,用于存储相关计算机程序指令。
主权项:1.一种基于联邦学习与对比学习的虚假数据注入攻击检测方法,其特征在于,包括如下步骤:S1.各区域的本地中心收集本区域的电网数据,进行数据预处理;S2.本地中心从控制中心下载相同参数的初始神经网络模型,基于对比学习,使用预处理后的电网数据进行本地模型训练;S3.本地中心完成本地模型训练后,将训练好的模型上传至控制中心,由控制中心进行模型参数聚合,生成新的全局模型;S4.控制中心下发新的全局模型,本地中心采用指数移动平均法更新本地模型,并使用更新后的模型进行训练,直至达到预设的训练轮次;S5.基于训练完成的本地模型,本地中心利用少量标签数据训练二分类器,进而进行虚假数据注入攻击的检测。
全文数据:
权利要求:
百度查询: 贵州大学 一种基于联邦学习与对比学习的虚假数据注入攻击检测方法、装置及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。