基于多聚类融合优化的电力CPS后门安全防御方法与系统

本发明公开了一种基于多聚类融合优化的电力CPS后门安全防御方法与系统，该方法将多种聚类方法的组合方式及其权重作为决策变量进行编码，通过编码实例化对电力CPS中毒训练数据集在深度学习入侵检测系统中最后一层全连接层的输出激活值进行聚类分析与后门样本剔除，基于剔除后门样本的训练数据集训练入侵检测模型；将后门剔除后的良性样本检测准确率与无后门植入时的良性样本检测准确率间的差值作为约束条件，后门攻击成功率为适应度函数，通过编码选择、交叉与变异操作进行优化迭代，获得用于后门防御的最优聚类方法及其权重组合。本发明实现了电力CPS入侵检测模型后门安全防御策略的自动化生成，提升电力CPS入侵检测的后门鲁棒性。