智能电网攻击检测的真相：融合模型与可解释性评估

智能电网的网络安全检测器常被当作黑箱，且仅在干净、时间打乱的数据集上验证，这容易高估其性能。一项多测试平台评估研究围绕可解释、时间加窗的融合随机森林展开，并在评估协议冲突时采用悲观结果。研究揭示了检测器在真实场景下的性能下降、对抗脆弱性以及可观测性极限，为智能电网安全提供了更可靠的评估框架。

时间泄漏导致的乐观偏差

研究首先在公开的配对网络物理数据集上对比了两种评估协议。传统的打乱交叉验证给出了宏F1分数0.96，但采用滚动原点时间评估后，分数降至0.88 ± 0.06。这种差距表明，忽略时间顺序的数据划分会引入信息泄漏，从而夸大模型性能。作为对照，一个无拓扑信息的图卷积网络（GCN）在这些划分上表现出竞争力，说明轻量级模型在合理评估下同样有效。

这一发现对智能电网领域尤为重要，因为攻击检测模型通常部署在连续时间流中，历史数据与未来数据存在依赖关系。时间泄漏控制应成为评估标准的一部分。

滚动原点时间评估（Rolling Origin Evaluation）是一种尊重时间顺序的模型验证方法，常用于时间序列预测。其核心思想是：从历史数据中选取多个“原点”，每次仅使用原点之前的数据训练模型，并预测原点之后的一段数据，然后逐步向前滚动原点。这种方法模拟了模型在实际部署中只能利用过去信息预测未来的约束，因此能有效避免时间泄漏（即未来信息意外混入训练集），从而给出更贴近真实场景的性能估计。与传统的打乱交叉验证相比，滚动原点评估通常会导致性能指标下降，但结果更可靠。

对抗攻击下的脆弱性与防御

研究评估了特征空间攻击对模型的影响。自适应攻击和自适应联合攻击分别将宏F1降至0.67和0.34，尽管这些攻击在现实电网操作中不可行。对抗训练和随机平滑能部分恢复性能。在IEEE 14节点测试平台上，基于物理约束的进化策略逃逸攻击展示了相同的脆弱性模式。

这表明，即使模型在干净数据上表现良好，面对精心设计的对抗扰动仍可能失效。防御策略需要结合物理约束和鲁棒性训练，但无法完全消除风险。

对抗训练（Adversarial Training）是一种防御对抗攻击的常用策略，其基本思想是在训练过程中主动生成对抗样本并将其加入训练集，使模型学会抵御类似的扰动。随机平滑（Randomized Smoothing）则是一种可证明鲁棒的防御方法，它通过在输入中加入随机噪声并聚合多个预测结果，为模型提供概率意义上的鲁棒性保证。然而，这两种方法通常只能部分恢复性能，且可能带来计算开销或降低干净数据上的准确率。在智能电网等安全关键领域，防御策略需要结合物理约束（如潮流方程）来设计更可靠的鲁棒性增强方案。

真实流量中的可观测性极限

在真实的IEC-104流量上，网络视图能可靠检测结构攻击（召回率0.87至0.98），但对语义值操纵几乎失效（召回率0.11至0.35）。IEEE 14节点系统的可观测性分类法进一步揭示，隐蔽的虚假数据注入能击败所有三种观测视图。

这意味着，单一视图的检测器存在盲区，攻击者可能利用语义操纵绕过检测。多视图融合和针对语义层的异常检测是必要的补充。

IEC-104 是国际电工委员会制定的电力系统远动通信协议标准，广泛应用于变电站与调度中心之间的监控与数据采集（SCADA）通信。该协议定义了遥测、遥信、遥控等报文类型，但其本身缺乏加密和认证机制，容易受到中间人攻击、重放攻击和语义篡改。在智能电网安全研究中，IEC-104 流量常被用于评估入侵检测系统对真实网络攻击的识别能力。由于协议语义丰富，攻击者可能通过轻微修改数据值（语义值操纵）来绕过基于网络流的检测，这对检测器的可观测性提出了挑战。

状态估计测试台上的检测差异

在完整的交流加权最小二乘状态估计测试台上，预测辅助的时间测试被缓慢斜坡攻击绕过，而速率不变的物理流形测试在相同的5%虚警目标下维持检测。IEEE 118节点系统的端到端评估确认了这种排序，但强度有限：流形测试在0.05度/步时检测到所有试验，在0.02度/步时检测率为0.48，而时间测试仅为0.14。

物理流形测试的优势在于其对攻击速率的不变性，但检测率仍随攻击强度变化。实际部署中需权衡检测阈值与虚警率。

交流加权最小二乘（AC-WLS）状态估计是电力系统能量管理系统（EMS）中的核心功能，用于根据冗余的实时量测数据（如电压幅值、功率注入）估计系统状态变量（如电压相角）。加权最小二乘法通过最小化量测残差的加权平方和来求解状态，其中权重通常与量测精度成反比。虚假数据注入攻击（False Data Injection Attack）通过篡改量测数据，使得状态估计结果偏离真实值而不被不良数据检测机制发现。物理流形测试则利用电力系统物理规律（如基尔霍夫定律）构造的流形约束来检测异常，对攻击速率变化具有更好的鲁棒性。

结论与启示

该研究通过多测试平台评估，强调了时间泄漏控制、对抗鲁棒性和可观测性分析的重要性。所有代码和基准已发布，为智能电网攻击检测的可解释性和可靠性提供了可复现的基线。未来工作可探索多视图融合与物理约束的深度结合。