| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 FDIA攻击方法 | 第12-13页 |
| 1.2.2 FDIA检测方法 | 第13-14页 |
| 1.2.3 FDIA防御方法 | 第14-15页 |
| 1.3 课题研究的主要内容 | 第15页 |
| 1.4 论文的组织安排 | 第15-17页 |
| 第2章 虚假数据攻击 | 第17-24页 |
| 2.1 电力系统状态估计 | 第18页 |
| 2.2 虚假数据攻击基本原理 | 第18-19页 |
| 2.3 虚假数据攻击方案 | 第19-20页 |
| 2.4 虚假数据攻击对电力系统的影响 | 第20页 |
| 2.5 构建虚假数据攻击模型 | 第20-21页 |
| 2.6 基于攻击模型构建攻击向量 | 第21-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于深度学习的检测机制 | 第24-33页 |
| 3.1 深度学习 | 第24-26页 |
| 3.1.1 深度学习的基本理论 | 第25页 |
| 3.1.2 深度信念网络 | 第25-26页 |
| 3.2 DLBI检测方案设计 | 第26-29页 |
| 3.3 CDBN训练过程 | 第29-31页 |
| 3.3.1 常规RBM | 第29页 |
| 3.3.2 Conditional Gaussian-Bernoulli RBM | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 仿真实验与分析 | 第33-43页 |
| 4.1 DLBI检测性能分析 | 第34-38页 |
| 4.2 电力系统误操作对DLBI的影响 | 第38-40页 |
| 4.3 DLBI扩展性评估 | 第40-41页 |
| 4.4 DLBI在生产环境中的性能评估 | 第41-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 本文主要工作 | 第43页 |
| 5.2 未来工作的展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51页 |