[发明专利]基于线性回归的直流微电网虚假数据注入攻击防御方法

说明书

本发明涉及一种基于线性回归的直流微电网虚假数据注入攻击防御方法，包括下列步骤：建立模型，利用微电网数据生成电压微分ΔV和电流变化量ΔI训练模型，利用一元线性回归模型分别对ΔV和ΔI对应每列的数据进行线性拟合，得到各自的斜率及截距，模型的训练过程完毕；在运行中获取待检测的数据，利用训练好的模型得到电压微分估计值进一步对运行的数据进行检测，根据检测结果设置攻击预警标志；为降低虚假数据的权重以降低虚假数据的影响，重新定义微电网通信拓扑的权重；设定权重阈值，若某个时刻攻击预警标志为1，当权重值低于所设定的权重阈值时，切断电源i和电源j之间的数据交换，从而实现虚假数据的剔除。

技术领域

本发明涉及一种基于线性回归理论的直流微电网虚假数据注入攻击防御策略。

背景技术

基于分布式控制的直流微电网是一种典型的信息物理系统(cyber-physicalsystem,CPS)，通信方式复杂，链路较多，缺乏中央控制器对整体运行态势监控，信息安全问题较为突出。网络攻击轻则可使微电网偏离额定运行点，重则直接造成停电事故，因此可快速抵御网络攻击的算法具有重要意义。

目前已经提出的检测算法主要可以分为两类：一是通过比较邻居节点之间交互的运行状态，二是观测本地设备的动态特征。这两种方式能够检测出异常的通信链路，然后可以通过降低不良数据权重的方式实现虚假数据的剔除。在第一类方法中，有学者提出了一种基于信任因子的检测算法，并通过降低坏数据通道中拉普拉斯矩阵的权重来缓解虚假数据注入攻击(false data injection attacks,FDIA)的不利影响。还有学者提出了基于运行状态观测的检测算法，然后通过事件触发的多层缓解策略来对虚假数据进行消除。然而正常负荷变化时各单元会出现短暂时间的输出不一致，而上述算法无法分辨出扰动的来源是负荷变化还是虚假数据，最终将导致微电网的动态响应有所变慢。这类方法虽然在稳态时对FDIA有一定缓解影响，但是会一定程度上放大正常负荷变化的扰动，同时FDIA也会对微电网产生较长时间的暂态冲击。

第二类方法主要考虑本地设备的动态特性，有研究以交流微电网为背景，针对注入量为常值的FDIA设计了一种防御算法，该算法作用速度快，但在直流微电网的应用还有待研究。同时上述算法均依赖于微电网模型的建立，然而实际中模型的准确性往往较差，此外出于安全性的考虑，其他设备的部分参数也不会向本地开放。考虑微电网正常运行期间的海量运行数据，如何将检测算法和本地数据结合，对FDIA和负荷变化进行区分，并在不影响系统原有的前提下对FDIA做出快速响应是本发明期望解决的问题。

基于数据驱动的方法，有研究设计了一种新型的微电网二次控制架构，并使用BP神经网络和循环神经网络对本地运行情况进行实时检测。然而这些基于深度学习的算法在训练过程中均需要全局信息的采集，同时计算复杂度较高，不利于既有控制器中的开发与集成。

发明内容

针对上述问题，本发明提出一种基于数据驱动的虚假数据注入攻击快速缓解策略，充分考虑本地设备的动态特性，利用线性回归的方式对微电网运行情况进行实时检测。技术方案如下：

一种基于线性回归的直流微电网虚假数据注入攻击防御方法，包括下列步骤：

1)训练模型，设已获取微电网k个暂态过程的数据，将暂态过程分为1,2...n个时段，利用这些数据生成电压微分(1)和电流变化量(2)，变量上标1,2...n代表数据时段，下标代表第1,2...k个暂态过程：

2)利用一元线性回归模型分别对ΔV和ΔI对应每列的数据进行线性拟合，得到各自的斜率及截距，模型的训练过程完毕；