買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜齊魯工業大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)申請的專利基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119892499B 。

龍圖騰網通過國家知識產權局官網在2025-06-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510360779.6，技術領域涉及：H04L9/40；該發明授權基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法是由王鑫;李曉龍;楊明;吳曉明;唐勇偉;劉臣勝;賀云鵬;穆超;陳振婭設計研發完成，并于2025-03-26向國家知識產權局提交的專利申請。

本基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法在說明書摘要公布了：本發明屬于數據分析與網絡安全技術領域，具體涉及一種基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法。所述方法包括：通過預處理多個傳感器的測量數據，將數據輸入到基于物理約束和時間條件嵌入的WGAN框架進行訓練；WGAN生成符合物理規律的高質量合成數據，并結合LSTM捕捉時間序列的長短期特性；隨后，利用CNN?Transformer模型進行全局特征提取和動態閾值生成，結合基于分位數的動態檢測機制分析正常數據的分布，精準定位潛在攻擊來源；最終，通過循環優化模型架構與參數，提升檢測與定位的精度與效率。

本發明授權基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法在權利要求書中公布了：1.一種基于物理約束與自適應閾值的虛假數據注入攻擊檢測和定位方法，其特征在于，所述方法包括： S1、獲取多個傳感器中的歷史測量數據，并對所述歷史測量數據進行預處理，得到正常數據樣本； S2、初始化生成對抗網絡WGAN的生成器與判別器的參數，并結合時間條件嵌入和物理約束損失函數對所述生成對抗網絡WGAN進行模型訓練，使其生成器基于所述正常數據樣本生成符合系統物理規律的合成數據樣本； 其中，采用基于先驗知識的權重初始化方式對所述生成對抗網絡WGAN的生成器和判別器進行初始化；且在模型訓練時，引入物理約束條件： （2）； 式（2）中：表示生成的總發電功率，單位為MW；表示生成的總負載功率，單位為MW；表示生成的傳輸損耗，單位為MW； 定義物理約束損失函數為： （3）； 式（3）中：表示物理約束損失，采用L2范數度量功率守恒的偏離程度，用于確保功率守恒； 生成器的中間損失函數考慮物理約束和WGAN損失的結合： （4）； 式（4）中：表示生成器的中間損失函數；表示生成器的WGAN損失，用于約束數據分布；為超參數，用于調節物理約束損失在生成器優化過程中的權重； 生成器的總損失函數在其中間損失函數的基礎上加入時間一致性損失： （5）； 式（5）中：表示生成器的總損失函數；表示時間一致性損失，用于確保時間動態一致性；為超參數； 所述時間一致性損失為： （6）； 式（6）中：表示生成數據；表示真實數據在該時間點的均值，使GAN在時間維度上更接近真實數據，，表示時間條件，為一天24小時的離散時間點； S3、初始化LSTM模型的參數，先利用所述合成數據樣本對LSTM模型進行預訓練，再結合實際數據優化預訓練后的LSTM模型參數，并利用優化后的LSTM模型提取所述正常數據樣本的時序特征； S4、初始化CNN-Transformer模型的參數，將所述LSTM模型提取的時序特征與所述正常數據樣本作為數據組合一同輸入到CNN-Transformer模型中，通過其中的CNN模型提取輸入的數據組合的局部時序特征，通過其中的Transformer模型捕捉輸入的數據組合的全局時序演化特性，以生成動態閾值； S5、基于分位數損失函數優化所述動態閾值的區間范圍，并基于優化后的所述動態閾值對待檢測傳感器測量數據進行監測，將預處理后的待檢測傳感器測量數據與所述動態閾值的區間范圍進行比較，若其超出動態閾值的區間范圍，則被判定為存在攻擊。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人齊魯工業大學(山東省科學院);山東省計算中心(國家超級計算濟南中心)，其通訊地址為：250000 山東省濟南市長清區西部新城大學科技園；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。