基于CNN-CBAM的虚假数据注入攻击辨识研究

作者：周先军; 王茹^*; 刘航; 金波

来源：光通信研究, 2023, 1-10.

• 智能电网
• 虚假数据注入攻击
• 卷积注意力模块
• 卷积神经网络

【目的】针对当前智能电网受到网络攻击，但未能及时锁定网络攻击位置实现快速部署防御策略的问题。【方法】文章提出了一种融合卷积注意力模块(CBAM)的卷积神经网络(CNN)(CNN-CBAM)模型对虚假数据注入攻击 (FDIA)位置进行检测。将FDIA的攻击辨识问题建模为一种多标签分类问题，CNN用于提取数据的空间特征，CBAM模块可以直接融合到CNN模块的卷积操作后，其不仅能从空间域的角度关注重要的参数信息，同时还考虑了通道域上的特征关系，从两个维度对输入数据进行注意力分配提升模型的性能。【结果】在IEEE14和IEEE118节点系统上对所提出的CNN-CBAM网络FDIA位置检测模型性能进行验证，实验结果表明，CNN-CBAM分别在IEEE14和IEEE118节点系统上的FDIA位置检测率为98.25%和96.72%。【结论】与其它方法相比，本文提出的CNN-CBAM网络模型能够有效地提取数据间的时空特性，提高FDIA存在性和攻击位置辨识精度并具有更好的鲁棒性。

• 单位
  湖北工业大学; 电子工程学院