一种基于联邦学习与对比学习的虚假数据注入攻击检测方法、装置及存储介质

本发明公开了一种基于联邦学习与对比学习的虚假数据注入攻击检测方法、装置及存储介质，旨在提升智能电网的网络安全。该方法通过各区域本地中心收集电网数据并进行预处理，利用对比学习进行本地模型训练，然后将训练好的模型上传至控制中心进行参数聚合，生成全局模型。本地中心采用指数移动平均法更新本地模型，并使用少量标签数据训练二分类器进行FDIA检测。该方法有效解决了数据孤岛问题，提高了模型的泛化能力和检测精度，同时保护了数据隐私。装置包括处理器和存储器，存储器中存有执行本方法的计算机程序指令。本发明还提供了一种存储介质，用于存储相关计算机程序指令。