基于深度学习的智能电网网络攻击检测模型
原文中文，约300字，阅读约需1分钟。发表于：。通过使用人工智能技术，本研究提出了一种新颖的智能电网基于模型的网络攻击检测方法，以阻止监控控制和数据采集系统（SCADA）上接收的负载数据的数据完整性网络攻击（DIAs），并使用回归模型进行负载数据的预测，以及通过无监督学习方法对处理后的数据进行聚类，以实现最佳性能。实验结果表明，EE-BiLSTM 方法比其他两种方法更稳健和准确。
该研究提出了一种组合了长短期记忆和去噪扩散概率模型的解决方案，用于智能电网系统中的能量窃取检测和能量消费预测。实验结果表明，该方案优于基准方法，并显著提高了能量窃取检测的性能。该研究为解决能量窃取检测和能量消费预测挑战提供了全面有效的解决方案，展示了智能电网系统的良好结果和改进的安全性。
