[发明专利]一种基于PCA和BP神经网络的虚假数据注入攻击检测方法

摘要

本发明公开了一种基于PCA和BP神经网络的虚假数据注入攻击检测方法，本发明采用主成分分析方法(Principal Component Analysis，PCA)对测量数据进行降维处理。然后对降维后的数据作为BP神经网络的训练样本，通过向其中的一部分样本加入虚假数据并标记为攻击样本，进行训练，通过训练所得出的模型能有效地检测出是否存在虚假数据注入攻击。本发明通过把提取的数据使用PCA的技术降维后，提高了准确率和降低了训练时间间，同时使用BP神经网络有效地检测出虚假数据注入攻击的攻击值。

主权项

1.一种基于PCA和BP神经网络的虚假数据注入攻击检测方法，其特征在于，包括以下步骤：S1：通过智能电网的控制中心获取智能电网中各个传感器的测量值z为m×n矩阵，均为1×n矩阵；S2：对各个传感器的测量值进行PCA降维得到降维后的特征数据组z'为m×r矩阵，r≤n，均为1×r矩阵；S3：向降维后的特征数据组中的一部分数据进行注入虚假数据，并对注入虚假数据的一部分数据中的每一组数据附上false_label为‑1的标签，对降维后的特征数据组的其余数据中的每一组数据附上label为1的标签；S4：定义降维后的特征数据组中的每一组数据及其标签的组合为一个样本，把所有样本进行打乱，随机收取部分样本作为测试集，剩余样本的为训练集；S5：利用训练集训练BP神经网络；S6：测试集经训练后的BP神经网络预测后，得到预测的标签，将预测标签与测试集标签进行判别，提取正确分类的标签数，将其与标签总数比较，求得分类的准确率；S7：利用训练后的BP神经网络对虚假数据进行检测。