一种基于垂直联邦学习的配电网络虚假数据注入攻击检测方法

本发明公开了一种基于垂直联邦学习的配电网络虚假数据注入攻击检测方法，属于配电网络安全技术领域，包括：S1、提出一种基于拆分学习方法的垂直联邦学习框架，配合配电网络中的FDIA检测模型进行协同训练；S2、对垂直联邦学习框架进行训练；S3、通过训练和推理操作，实现垂直联邦学习框架的构建与应用；S4、通过网格边缘侧模型提取空间特征；S5、采用服务器模型的Bi‑LSTM模型的输入提取时间特征，输入包括提取的空间特征的连接中间表示Hall，连接中间表示Hall由服务器模型处理。本发明采用上述的检测方法，提出的垂直联邦学习框架使负责子网的实体能够协作构建FDIA检测模型，有效地解决与数据共享相关的问题，并能够利用来自每个子网的各种测量。