买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海电机学院申请的专利基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116155561B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211710347.6，技术领域涉及：H04L9/40；该发明授权基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统是由冯肖亮;王硕;冯娟;张子青;刘安婷设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统在说明书摘要公布了：本发明属于电力物联网安全技术领域，特别涉及一种基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统，针对电力物联网中观测器节点的观测数据，通过卡尔曼滤波算法进行滤波并得到电力物联网状态的局部估计值；以欧式距离为相关度，将观测器节点的局部估计值进行不同聚类数目的层次聚类；将安全传感器节点所在聚类簇内的数据在最小估计误差协方差准则下进行融合，得到状态融合估计值，并通过比较融合后不同聚类数目下测量估计值与测量真实值的平均绝对误差来获取最佳聚类结果，将对应状态估计值作为可信融合估计值。本发明将层次聚类引入电力物联网攻击检测，以不同聚类数目下测量估计值与测量真实值值的平均绝对误差为评价聚类优劣，能够对多类虚假数据注入攻击进行监测，且能够缩短评判时间，便于实际场景应用。

本发明授权基于层次聚类的电力物联网多类虚假数据注入攻击检测方法及系统在权利要求书中公布了：1.一种基于层次聚类的电力物联网多类虚假数据注入攻击检测方法，其特征在于，包含如下内容： 步骤1、针对电力物联网中N个观测器节点的观测数据，通过卡尔曼滤波算法进行滤波并得到局部估计值，其中，观测器节点包含已知安全传感器节点，和其他N‑1个正常和或易受攻击传感器节点；滤波过程表示为：其中，表示为第i个节点在第k时刻的状态估计值，Pik∣k为对应的估计误差方差，Pik∣k‑1为对应的预测估计误差方差，表示为第i个节点在第k时刻的状态预测值，Kik为第i个节点的第k时刻对应的卡尔曼增益，I为单位向量； 步骤2、以欧式距离为相关度，将N个观测器节点的局部估计值进行不同聚类数目的层次聚类，依次分别聚类成2到N‑1个簇；具体包括： 首先设置聚类数所对应的初始聚类中心即初始平均向量，然后计算聚类簇中每个局部估计和各簇平均向量之间的距离，接着寻找每个局部估计和各簇平均向量之间距离最小值，将该距离最小值所对应的局部估计聚类到同一个簇中，并同时更新每一簇的平均向量； 最后，返回并通过更新局部估计之间平均向量来重复进行聚类，直至每个簇的平均向量平均值不再改变； 步骤3、将安全传感器节点所在聚类簇内的局部估计值在最小估计误差协方差准则下进行融合，得到状态融合估计值，并通过比较融合后不同聚类数目下测量估计值与测量真实值的平均绝对误差来获取最佳聚类结果，将该最佳聚类结果的状态估计值作为可信融合估计值；其中状态融合估计值的计算过程为： 将包含已知安全传感器节点的局部估计的簇作为安全簇，其他簇作为虚假数据的簇； 将安全簇中的状态估计值称为安全局部估计，利用安全局部估计的估计误差协方差，在最小均方误差准则下对安全局部估计进行融合，其中，状态融合估计值和对应的估计误差协方差表示为： 表示安全局部估计，Pi*k∣k表示安全局部估计对应的估计误差协方差，表示聚类数目n下安全簇的状态融合估计值，表示聚类数目n下安全簇对应的估计误差协方差，Cn为聚类数目n下的安全簇，且2≤n≤N‑2； 平均绝对误差计算过程表示为： en为聚类数目2到N‑1下安全簇前k时刻对应簇中的平均绝对误差，z1m为已知安全传感器节点的测量真实值，为聚类数目n下安全簇的状态融合估计值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海电机学院，其通讯地址为：201306 上海市浦东新区南汇新城镇水华路300号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。