齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)王鑫获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于TGRU模型的虚假数据注入攻击检测与定位方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119272205B 。
龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411783759.1,技术领域涉及:G06F18/2433;该发明授权基于TGRU模型的虚假数据注入攻击检测与定位方法是由王鑫;李晓龙;杨明;刘臣胜;吴晓明;穆超;陈振娅;吴法宗;贺云鹏;徐硕设计研发完成,并于2024-12-06向国家知识产权局提交的专利申请。
本基于TGRU模型的虚假数据注入攻击检测与定位方法在说明书摘要公布了:本发明属于网络安全和数据保护的技术领域,更具体地,涉及基于TGRU模型的虚假数据注入攻击检测与定位方法。所述方法首先通过预处理多种传感器的测量数据,输入到TGRU模型进行训练,结合Transformer的全局特征提取能力与GRU的时间序列处理能力进行数据分析。利用基于欧几里得距离的双重计算机制分析正常数据和攻击数据的分布,设定检测阈值。一旦检测到攻击,系统将当前时刻TGRU模型生成的预测数据与检测到的攻击数据进行整合,训练元模型以实现攻击位置的精确定位。最终,通过优化模型架构减少计算步骤,确保高效运行。本发明解决了现有技术在处理复杂网络环境中的局限性,尤其是在应对高维时序数据时精度不足且计算效率低的问题。
本发明授权基于TGRU模型的虚假数据注入攻击检测与定位方法在权利要求书中公布了:1.基于TGRU的虚假数据注入攻击检测与定位方法,其特征在于,所述方法包括: S1、从多个传感器的历史数据中获取正常测量数据,并对数据进行预处理,同时初始化TGRU模型和元模型; S2、使用预处理后的正常测量数据对TGRU模型进行训练:利用Transformer编码器提取全局特征,并通过GRU处理时间序列数据,生成预测值;训练过程中采用Adam优化器; S3、在TGRU模型训练完成后,生成模拟的攻击数据,并采用双重欧几里得距离计算机制,一方面计算TGRU预测值与正常测量数据的欧几里得距离,另一方面计算TGRU预测值与生成的攻击数据的欧几里得距离,形成基于双重欧几里得距离的分布图,利用正常测量数据和生成的攻击数据的在分布图上的分布差异,设定阈值以区分正常数据和攻击数据;具体如下: S31、模拟的攻击数据生成 对正常数据进行特定的虚假数据注入操作得到模拟的攻击数据; S32、欧几里得距离的计算 采用双重欧几里得距离机制来进行分析,形成基于双重欧几里得距离的分布图,首先,计算TGRU模型对每个时间步的预测值与正常数据之间的欧几里得距离,公式如下: (1); 式(1)中,表示TGRU模型在第个特征上的预测值,表示TGRU模型对该时间步和该特征的估计;表示传感器实际测得的第个特征的值,表示电网在该时间步的真实状态,即正常数据;表示传感器数据的特征数量; 其次,计算TGRU模型对每个时间步的预测值与模拟的攻击数据之间的欧几里得距离,公式如下: (2); 式(2)中,表示第i个特征在模拟攻击状态下的值,是通过对正常数据进行特定的虚假数据注入操作生成的模拟攻击数据; S33、阈值设定 基于双重欧几里得距离的分布图设定阈值,所述分布图中,正常数据的距离分布相对集中;攻击数据的距离分布则较为离散; 对正常数据和攻击数据的距离分布进行分析,确定两者的区分界限,设定一个阈值; S34、检测机制 当新的传感器数据进入系统时,TGRU模型会对当前时刻的数据进行预测,并计算当前时刻的预测值与实际传感器读数之间的欧几里得距离,如果当前时刻的预测值与实际传感器读数之间的欧几里得距离小于设定阈值,则数据为正常数据;如果当前时刻的预测值与实际传感器读数之间的欧几里得距离超过设定阈值,系统会发出警报,提示存在虚假数据注入攻击; S4、在检测到攻击后,利用TGRU的预测数据和检测到的攻击数据训练元模型,进行攻击位置的精确定位,具体如下: S41、数据处理与元模型训练 一旦当前时刻检测到虚假数据注入攻击FDIA,则将当前时刻TGRU模型生成的预测数据将与检测到的攻击数据进行整合,形成组合数据; 然后,系统将这些组合数据输入到一个简化的定位模型,即元模型;该元模型采用全连接神经网络FCL来对组合数据进行处理,通过分析TGRU预测值与实际攻击数据的差异,识别每个传感器的异常行为,并结合多标签分类方法使元模型同时检测多个传感器的状态,从而精确定位出受攻击的传感器位置; S42、多标签分类方法 每个传感器都被视为一个独立的标签,元模型使用多标签分类方法对同时遭受到攻击的多个传感器进行识别和定位; S5、重复步骤S2~S4将TGRU模型和元模型经过多轮次的迭代训练进行优化,不断优化TGRU模型和元模型的参数,并设定最大训练轮次。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心),其通讯地址为:250000 山东省济南市长清区西部新城大学科技园;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。