基于机器学习的电网虚假数据注入攻击检测方法研究

目录

第1章 绪 论

1.1 课题研究背景与意义

1.2 国内外研究现状

1.3 课题研究内容

1.4 论文结构安排

第2章 相关理论与技术

2.1 数据降维技术

2.2 机器学习技术

2.3 群智能优化技术

2.4 检测精度评价指标

2.5 本章小结

第3章 虚假数据注入攻击数据集构建

3.1 引言

3.2 虚假数据注入攻击机理

3.2.1 基于状态估计的不良数据检测

3.2.2 完整拓扑信息下的FDIAs

3.2.3 非完整拓扑信息下的FDIAs

3.3 攻击检测数据基础

3.4 虚假数据注入攻击向量构建

3.5 仿真实验及结果分析

3.6 本章小结

第4章 数据样本特征提取方法研究

4.1 引言

4.2 基于孤立森林的异常分值提取

4.2.1 构建iTree与iForest

4.2.2 输出异常分值特征

4.3 电力量测数据降维方法

4.3.1 非线性局部线性嵌入

4.3.2 iForest-LLE特征提取方法

4.4 仿真实验及结果分析

4.4.1 算法参数选择

4.4.2 算法性能分析

4.5 本章小结

第5章 攻击检测模型构建与参数求解研究

5.1 引言

5.2 基于梯度提升决策树的攻击检测模型

5.2.1 基学习器与损失函数

5.2.2 梯度提升构建强分类器

5.3 检测模型超参数优化求解

5.3.1 三位自适应果蝇优化算法

5.3.2 超参数优化求解

5.4 仿真实验及结果分析

5.4.1 实验准备

5.4.2 模型参数求解

5.4.3 结果分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢