数学建模社区-数学中国

标题: 基于深度信念网络和迁移学习的隐匿 FDI 攻击入侵检测 [打印本页]
作者: 雩风三日    时间: 2021-3-6 15:50
标题: 基于深度信念网络和迁移学习的隐匿 FDI 攻击入侵检测
基于深度信念网络和迁移学习的隐匿 FDI 攻击入侵检测
6 ?' T" t* M2 }0 v3 F- Y7 A
. B  e# Z4 n) S& n        成功地检测隐匿虚假数据入侵（False Data Injection, FDI）攻击是确保电力系统安全运行的关键. 然而, 大多数工作通过建立 FDI 攻击模型来模拟真实的入侵行为, 所得到的模拟数据往往与真实数据存在一定的差异, 导致基于机器学习的检测方法出现较差的学习效果. 为此, 针对源域中模拟样本数据量大而目标域中真实样本标记少的特点, 提出了基于深度信念网络 (DBN) 和迁移学习的检测算法, DBN 中的受限玻尔兹曼机 (Restrict Boltzmann Machine, RBM) 能对海量目标域无标签样本进行特征自学习, 而基于模型的迁移学习方法克服了数据之间的差异性, 同时解决了有标签真实样本稀缺的问题. 最后, 在 IEEE 14-bus 电力系统模型上验证了所提方法的优点和有效性.! T+ X- K9 o9 a9 N

# N: |) F0 Y0 k( ]( O: \关键词: 智能电网；隐匿虚假数据入侵攻击；深度信念网络；迁移学习; 无监督学习
- R& C5 m! |# p! @/ ^; g' v4 ~& [4 B0 b: O- E  f

+ o) O. j- _* l
- Q! P3 f6 r8 Y2 p" j, ?( |7 _* A% s+ j

基于深度信念网络和迁移学习的隐匿FDI攻击入侵检测_郭方洪.caj

2.2 MB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5