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 % Z7 X# ?( w7 u' y% \$ D

& B3 B' C- [( H" b7 i, }+ N! ~4 X        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.  D* P4 i5 o' x) a

/ {0 V# e  n- a3 d$ u5 |8 P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
0 w: S% I' n- b5 Y  v+ c" g$ Z% F+ v1 I
* `1 a7 j3 q' c3 Y
% V$ z  C! \$ c& H, k
  {. m6 J  @% m; B! _& N7 _: V
" q  b1 x/ U% S

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