一种基于动态误分类反馈与元学习协同优化的智能电网入侵检测方法

本发明公开了一种基于动态误分类反馈与元学习协同优化的智能电网入侵检测方法，包括：S1.从电网环境中采集网络流量数据并进行特征提取与归一化处理，S2.为每个攻击类别初始化权重值，将初始化的类别权重作为损失函数的一部分，应用于神经网络模型的训练过程；S3.在模型训练过程中实时监测每个攻击类别的误分类频率和类别预测信息熵，S4.构建以类别样本数量、实时误分类频率和实时预测信息熵为输入，S5.采用元学习的内层更新与外层更新优化权重生成网络，S6.动态误分类反馈模块实时更新类别权重的结果与元学习模块优化生成的权重生成网络参数共同作用，通过损失函数指导神经网络训练；最终训练好的模型在测试集中用于智能电网攻击行为的实时检测。本发明适用于多类别、类间不平衡的智能电网网络入侵场景，具备实时更新权重能力，形成闭环优化机制。