动态神经网络检测器

跨工况高泛化

通过动态生成检测模型参数，在不同操作条件下保持虚假数据注入攻击检测的准确性。

Hu, Dongping · Shengyang, Wu · 王靖宇 · 石东源

IEEE Transactions on Smart Grid 2023

参数信息

检测准确率提升

4.91 %

F1分数提升

4.24 %

技术优势

跨工况不失效

上层DyNN适配器根据在线数据动态生成下层MLP的参数，使检测器适应当前运行条件，即使训练和测试工况完全不同也能保持检测性能。

极端工况更准

在训练和测试数据完全不同的最极端情况下，平均准确率和F1分数分别比无DyNN的框架高4.91%和4.24%。

应用场景

• 电网安全：实时检测虚假数据注入攻击，保障电网运行安全。
• 异常检测：识别电网测量数据中的异常模式，适应不同运行条件。
• 智能电网：集成到智能电网监控系统中，提升对网络攻击的鲁棒性。