基于多模态深度学习的智能变电站攻击检测方法及系统

本发明公开了一种基于多模态深度学习的智能变电站攻击检测方法及系统，涉及电力系统网络安全技术领域，该方法首先采集智能变电站的时序模态、拓扑模态和元数据模态数据，并分别通过一维卷积神经网络、图卷积网络和嵌入查找表结合前馈网络进行编码，得到对应的特征向量；然后基于注意力机制、数据源可信度和缺失掩码，对这些特征向量进行动态加权融合，生成每个节点的综合特征向量；最后将综合特征向量按时间序列输入至双向门控循环单元网络进行时序建模，并基于多任务学习框架，并行输出攻击存在性判断、攻击类型分类和受攻击节点定位。本发明显著提升对虚假数据注入等复杂攻击的检测精度与定位能力，同时具有良好的鲁棒性和可解释性。