[发明专利]一种基于机器学习的PMU防御虚假数据注入攻击方法

说明书

一种基于机器学习的PMU防御虚假数据注入攻击方法，属于智能电网信息安全技术领域。方法包括步骤S01,根据电网拓补结构和线路参数，构建最小可观测的PMU分布式测量配置系统；步骤S02，通过攻击方式向PMU量测配置中注入恶意数据，并构建PMU分布式测量配置系统状态估计模型，以获得多个观测相量；步骤S03，构建由带有安全或受攻击标签的观测相量组成的训练集和测试集；步骤S04，针对训练集进行机器学习，获得PMU防御虚假数据注入攻击检测模型；步骤S05，输入测试集数据到PMU防御虚假数据注入攻击检测模型，用于预测观测相量为正常量测或受攻击量测。本发明检测速度快，检测精度高，不容易漏检和误检。

技术领域

本发明属于智能电网信息安全技术领域，具体涉及一种基于机器学习的PMU防御虚假数据注入攻击方法。

背景技术

电力系统状态估计对智能电网的能源管理系统有着非常重要的作用，更是电网安全评估，预防控制和运行分析等各种高级应用的基础。电力系统状态估计通过大量测量不同总线上的功率和电压幅值来估计电压幅值和相角。测量值通过监控采集单元（SCADA）的传感器采集，然后汇聚到远程终端单元（RTU），进而传输到控制中心。近期基于GPS的相量测量单元（PMU）因为精度比RTU更高，而且具有同步性好，数据传输快等优点，被越来越多的部署到电网的广域测量系统中，为电网提供丰富的数据源，包括正常运行的实时监测数据、小扰动下的离线数据记录、大扰动情况下的录波数据记录等。

智能电网的发展使更先进的控制方式和通信网络进入传统电力系统，使传统的电力系统与信息技术相融合，发展成为电力信息物理系统。电力信息物理系统的发展在促进电力资源高效配置的同时，也带来了日益严重的安全问题。针对智能电网的虚假数据注入攻击是通过篡改智能电网量测单元的测控数据或通信数据破坏电网信息的完整性，进而干扰上层系统的控制决策，具有较强的隐蔽性和干扰性，可能造成严重后果，是对电力系统可靠运行威胁程度最高的攻击之一。例如，2015年乌克兰电网遭受攻击导致大规模停电，就是因为攻击者向控制监控和数据采集系统删改原有数据和注入虚假数据，导致操作员和控制设备无法有效监控设备运行状态，进而导致故障大规模扩散难以恢复。入侵通信网络和传感设备是非法获取电力信息物理系统数据的第一步，入侵过程通常在数据采集和传输过程中实现。在数据传输过程中，主要可以通过远程终端单元（RTU），相量测量单元（PMU）和各类智能电表进行入侵。攻击者通过传感器等设备漏洞实现对数据的窜改。例如，王等人于2015年在IEEE智能电网交易中提出一种针对智能电网中GPS欺骗攻击PMU的跨层防御机制，利用PMU设备中GPS的漏洞进行时间同步攻击，用伪造的GPS信号掩盖正常信号，进而影响测量值。当PMU受到攻击失去功能时，电力系统将会失去可靠的运行数据来源，一方面会无法实现低频振荡捕捉等功能，另一方面会无法进行可靠的稳定状态调节，无法进行快速的故障诊断。此情况下系统会更容易失去稳定，更容易发生故障，发生故障后更难快速定位故障，容易造成故障的传播，可能造成级联故障，从而导致故障范围的扩大，最终导致电网解列。

目前方法的缺点：

1、攻击者如果获得了系统的观测矩阵，可以构建不可观测攻击绕过状态估计算法。

2、基于状态估计的检测方法的检测阈值的设定对检测精度影响较大，易出现漏检和误检；

3、系统的稀疏性降低了状态估计算法的性能；

4、基于轨迹预测的检测方法计算复杂度高,检测速度慢,不适用于复杂系统。

发明内容

本发明针对现有技术存在的问题，针对智能电网中存在的针对PMU的虚假数据注入攻击，提出了一种部署在相量测量单元上的基于机器学习的PMU防御虚假数据注入攻击方法，实现对入侵的防御。

本发明是通过以下技术方案得以实现的：

本发明提供一种基于机器学习的PMU防御虚假数据注入攻击方法，包括：