面向电力系统人工智能模型后门攻击的自学习防御方法、装置、设备、存储介质及程序产品

一种面向电力系统人工智能模型后门攻击的自学习防御方法、装置、设备、存储介质及程序产品，其中方法包括：通过前置过滤器对当前电力数据中的信息进行筛选，并确定是否筛选出异常信息；在确定筛选出异常信息的情况下，对当前电力数据进行存储，并将当前电力数据输入到数据检测模型中，得到针对当前电力数据的预测类别；基于预测类别，确定针对当前电力数据的标签；在标签为异常电力数据的情况下，基于异常电力数据对集成学习模型进行训练和更新；更新后的集成学习模型用于对下一次输入的电力数据进行检测。这样，可在保证智能电网人工智能模型精度的情况下，提高模型的安全性。