申请/专利权人：昆明理工大学

申请日：2024-01-08

公开（公告）日：2024-03-29

公开（公告）号：CN117792788A

主分类号：H04L9/40

分类号：H04L9/40;G06F21/55;G06F18/2415;G06N3/0442;G06N3/045;G06N3/084;G06N3/0985;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及一种融合多头注意力机制和双向长短期记忆网络的同步相量测量单元PMU数据操纵攻击检测方法，属于电网安全技术领域。本发明首先使用离差归一化对数据进行预处理；其次，对预处理后的数据使用双向长短期记忆网络提取其时间序列特征和数据维度特征，并设置丢弃层使双向长短期记忆网络当中神经元的激活值以一定概率停止工作，以增加模型的泛化性能；然后，使用多头注意力机制提供多个表示子空间，使模型在多个位置关注PMU数据的多维度特征，使受到攻击的数据特征放大；最后，将模型的输出结果输入Softmax分类器并设置阈值，得到检测结果。本发明通过双向长短期记忆网络，能够结合上下文影响提取PMU量测值的时间序列特征和数据维度特征，又使用了多头注意力机制捕获了数据操纵攻击的多范围相关性特征，增加了模型的表达能力，有效提高了在多种攻击下判断长序列PMU量测数据是否受到攻击的检测性能。

主权项：1.一种融合多头注意力机制和双向长短期记忆网络的PMU数据操纵攻击检测方法，其特征在于，包括：Step1：使用离差标准化方法，将同步相量测量单元量测数据的值映射到[0,1]区间上，得到归一化数据；Step2：将归一化数据输入双向长短期记忆网络，具体输入方式为：先输入第一层LSTM网络，得到计算结果后将输入序列反转，按照前一层网络的规则输入第二层LSTM网络，重新获得输出后将正向输出和反向输出的结果叠加得到输出；Step3：使用丢弃层，将BiLSTM网络当中的神经元的网络权重符合设置的丢弃率概率丢弃；Step4：将Step2得到的输出输入到多头注意力层，在编码过程中直接计算一组测量值中每个维度的注意力权重，然后以权重和的形式计算得到PMU量测数据在某一时刻的隐式向量表示，并输出计算得到的多头注意力值；Step5：使用全连接层，将Step4中输出的多头注意力当中各个注意里头的计算结果拼接起来，并降维输出为一维特征向量；Step6：对Step5中获得的一维特征相量使用Softmax分类器判断当前数据是否受到攻击；Step7：重复执行Step1-Step6，直至最后一条PMU量测数据输入并计算结束。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种融合多头注意力机制和双向长短期记忆网络的PMU数据操纵攻击检测方法

免责声明
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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD