CN112464209A - 一种电力终端指纹认证方法及装置 - Google Patents

一种电力终端指纹认证方法及装置 Download PDF

Info

Publication number
CN112464209A
CN112464209A CN202011368447.6A CN202011368447A CN112464209A CN 112464209 A CN112464209 A CN 112464209A CN 202011368447 A CN202011368447 A CN 202011368447A CN 112464209 A CN112464209 A CN 112464209A
Authority
CN
China
Prior art keywords
frequency
power terminal
data sequence
sample
authenticated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011368447.6A
Other languages
English (en)
Other versions
CN112464209B (zh
Inventor
宁柏锋
杨家辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202011368447.6A priority Critical patent/CN112464209B/zh
Publication of CN112464209A publication Critical patent/CN112464209A/zh
Application granted granted Critical
Publication of CN112464209B publication Critical patent/CN112464209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/44—Program or device authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开一种电力终端指纹认证方法及装置，其中，电力终端指纹认证方法包括：步骤S1，通过主配电站获取待认证电力终端的频率数据序列；步骤S2，从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；步骤S3，将待认证样本特征输入到训练好的合法‑非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。本发明首次采用电力终端频率偏移来构建指纹，无需在电力系统中添加额外的硬件、也无需修改电力系统中的原有固件即可获得，维持了电力系统的稳定性，避免了在电力系统中添加额外的硬件或者修改电力系统中的原有固件造成的系统故障。

Description

一种电力终端指纹认证方法及装置
技术领域
本发明涉及智能电网安全技术领域，尤其涉及一种电力终端指纹认证方法及装置。
背景技术
当今社会的生产、生活都离不开电网的支持。物联网的快速发展也大大加快了电网智能化的进程，智能电网的部署可以有效地监控整个电网系统、及时发现并定位故障点，提升电网系统的稳定性。在智能电网中，各类电力终端负责采集、存储、远传、统计电网运行数据，控制底层电力设备，实施调配电力资源等，对智能电网的正常高效运行有着极为重要的作用。然而智能化带给人更优质的体验的同时，也随之带来了安全问题。目前电力系统终端大部分都处在开放环境下且数量巨大，很容易受到不同形式的攻击。一旦电力终端遭到攻击，将会造成电力系统的故障、电力用户隐私泄露等危害，甚至会造成大面积停电、局部电网完全受控等严重后果。
当前智能电网终端的安全威胁至少有：
①信息截获攻击：智能电网中各类智能终端(例如智能电表等设备)通过无线通信协议与智能配电站进行通信，其中传输的电能信息包括用户隐私数据、电力设备运行数据等等，对维护智能电网的稳定性有至关重要的作用，直接关系到电力企业的正常运行和中控系统的安全。
②伪终端攻击：攻击者可以通过伪造的电力终端与主站进行通信，攻击者具有对伪终端的完全控制权，可以再智能配电站和智能终端之间篡改隐私信息、发布虚假消息来使得电力系统无法正常工作，还有可能获得智能配电站与智能终端之间的隐私信息数据，危害用户隐私、恶意修改用户配置等。
通过构建电力终端指纹的方式可以对合法的电力终端进行认证，还可以利用电力终端指纹对通信信息进行加密，有效的保护电力信息。传统的指纹构建方式需要在电力设备上额外部署信息采集设备或者修改固有设备，这些信息采集设备会影响电力系统的稳定性，例如利用电力终端的EM信息或功耗信息构建指纹的方法需要额外的设备来采集所有电力终端的EM信号，这个过程不仅需要大量的信号采集设备，且十分耗费人力物力，不利于大规模部署。而且，电力终端通常重启的成本很高，且不利于维持电网的稳定，而直接修改固有设备的固件往往需要进行对电力终端进行短时的断电或使其停止工作，这个过程不利于维持电网的稳定。
发明内容
本发明所要解决的技术问题在于，提供一种电力终端指纹认证方法及装置，在不影响电力系统正常工作下进行指纹认证，维持电网稳定，提高电网安全性。
为了解决上述技术问题，本发明提供一种电力终端指纹认证方法，包括：
步骤S1，通过主配电站获取待认证电力终端的频率数据序列；
步骤S2，从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；
步骤S3，将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
进一步地，所述步骤S2具体包括：
步骤S21，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S22，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
步骤S23，对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
进一步地，所述合法-非法二分类器通过以下步骤构建：
步骤S31，通过主配电站获取合法电力终端在一段时间内正常工作时的频率数据序列；
步骤S32，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S33，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到每一个合法电力终端的样本序列集合；
步骤S34，对每一个合法电力终端的样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为正样本特征；
步骤S35，采集非合法电力终端的频率数据序列，按照步骤S32-S34获取非合法电力终端的频域特征序列作为负样本特征；
步骤S36，利用步骤S4获取到的正样本特征和步骤S35获取到的负样本特征训练合法-非法二分类器。
进一步地，异常点的判断方式为：
对于频率数据序列F＝{f0,f1,f2…fn}中的第i个频率点fi，若满足：
Figure BDA0002805765870000031
则该频率点为异常点，其中，ε为判断阈值，n+1表示一次频率采集中获取到的频率点的数量。
进一步地，归一化后的频率偏移数据序列的计算方式为：
F′＝{Δf0,Δf1,Δf2…Δfn}
Figure BDA0002805765870000032
Figure BDA0002805765870000033
F＝{f0,f1,f2…fn}
其中，F′表示归一化后的频率偏移数据序列，fi为频率数据序列中某一时刻的历史工作频率信息，Δfi表示与fi相对应的频率偏移数据，E表示一次采集过程所得到频率序列的均值，n+1表示一次频率采集中获取到的历史工作频率信息的数量，F表示某一合法电力终端在一段时间内正常工作时的频率数据序列。
进一步地，所述对频率偏移数据序列进行切片处理具体为：采用20s的滑动窗口对频率偏移数据序列进行切片。
进一步地，所述分数阶傅里叶变换在离散域的计算方式为：
Figure BDA0002805765870000034
k＝0,1,2…n
其中，i表示复数符号，F′(k)表示归一化后的频率偏移数据序列F′中的第k个元素，Fourier(k)表示F′(k)的b阶傅里叶变换，b表示傅里叶阶数，n+1表示频率偏移数据序列的长度，k表示元素的序号。
本发明还提供一种电力终端指纹认证装置，包括：
频率获取模块，其与主配电站接通，用于获取待认证电力终端的频率数据序列；
特征提取模块，用于从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；
认证模块，用于将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
进一步地，所述特征提取模块进一步包括：
频移计算模块，用于剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
切片模块，用于对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
频移特征提取模块，用于对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
进一步地，所述电力终端指纹认证装置还包括：分类器模块，其存储有分类器模型，用于通过正样本频域特征序列和负样本频域特征序列对分类器模型进行训练，训练结束后保存模型文件；
所述认证模块还用于加载所述分类器模块得到的模型文件，得到训练好的合法-非法二分类器，将所述待认证样本特征作为输入，得到若干个分类结果，并采取投票法获取最终的认证结果。
本发明实施例的有益效果在于：本发明首次采用电力终端频率偏移来构建指纹，频率偏移信息是不同电力终端由于其本身存在差异性、所带负载也存在差异性，电力终端在正常工作时的频率并不是频率均值，其变化会由于不同电力终端硬件上的差异而有所不同，因此通过对频移信息进行特征提取，可以构建电力终端唯一的指纹，进而可以对合法的电力终端进行认证；
本发明首先计算采集到的实际工作频率与频率均值之间的频率偏移，对连续的频率偏移数据进行切片处理，由于频率偏移数据为非平稳信号，本发明先利用短时傅里叶变换将整个时域过程分割成等宽的小过程，每个小过程都是近似平稳的，获得时-频图像，然后再利用分数阶傅里叶变换选取信息最集中的角度进一步提取频率偏移数据的特征，保证了特征的全面性；
本发明采集的电力终端频率是通过直接读取其实际工作频率得到的，电力终端的实际工作频率是会实时显示在电力后台的，无需在电力系统中添加额外的硬件、也无需修改电力系统中的原有固件即可获得，维持了电力系统的稳定性，避免了在电力系统中添加额外的硬件或者修改电力系统中的原有固件造成的系统故障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一一种电力终端指纹认证方法的流程示意图。
图2是本发明实施例一一种电力终端指纹认证方法的具体流程示意图。
图3是本发明实施例中合法-非法二分类器的构建流程示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
本发明首次采用电力终端频率偏移来构建指纹，可以有效防御信息截获攻击和伪终端攻击。频率偏移信息是不同电力终端由于其本身存在差异性、所带负载也存在差异性，电力终端在正常工作时的频率并不是频率均值，其变化会由于不同电力终端硬件上的差异而有所不同，因此通过对频移信息进行特征提取，可以构建电力终端唯一的指纹，进而可以对合法的电力终端进行认证。由于可以很方便的读取电力终端的工作频率，因此不需要额外的硬件支持。
请参照图1所示，本发明实施例一种电力终端指纹认证方法，包括：
步骤S1，通过主配电站获取待认证电力终端的工作频率数据；
步骤S2，从待认证电力终端的工作频率数据中提取频域特征序列，得到待认证样本特征；
步骤S3，将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
具体地，请同时结合图2、图3所示，本实施例中合法-非法二分类器的构建过程包括：
步骤S31，通过主配电站获取合法电力终端在一段时间内正常工作时的频率数据序列；
步骤S32，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S33，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到每一个合法电力终端的样本序列集合；
步骤S34，对每一个合法电力终端的样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为正样本特征；
步骤S35，采集非合法电力终端的频率数据序列，按照步骤S32-S34获取非合法电力终端的频域特征序列作为负样本特征；
步骤S36，利用步骤S34获取到的正样本特征和步骤S35获取到的负样本特征训练合法-非法二分类器。
参数量测技术是智能电网的基本组成部件，能够实现电网、电力终端正常工作时各项数据的采集与传输。在正常工作时，智能配电站实时获取各个电力终端的工作频率信息，以维持电网的正常运转以及故障排查，因此，步骤S31利用智能电网的参数量测可以在不增加任何设备的情况下很方便的获取电力终端正常工作时的频率数据序列F＝{f0,f1,f2…fn}，其中，fi表示某一电力终端在一次频率采集中获取到的历史工作频率信息。在本实施例中，某一电力系统包含200个合法的电力终端，则一次测量200个电力终端正常工作时的频率数据序列。
步骤S32具体为：将所测得的频率数据的显著异常点剔除，由于测量设备可能存在误差、一些特殊情况(如极端天气等)也可能使得电力终端的工作频率出现短时变动，这些异常数据对于电力终端的指纹构建没有作用，因此需要将显著异常点剔除。
对于频率数据序列F＝{f0,f1,f2…fn}中的第i个频率点fi，若满足：
Figure BDA0002805765870000071
则该频率点为异常点，其中，ε为判断阈值，n+1表示一次频率采集中获取到的频率点的数量。
然后经过归一化处理得到预处理后的频率偏移数据序列F′＝{Δf0,Δf1,Δf2…Δfn}，F′中每个元素Δfi的计算方法如下：
Figure BDA0002805765870000072
Figure BDA0002805765870000073
其中，Δfi表示频率偏移数据，E表示一次采集过程所得到频率序列的均值，n+1表示一次频率采集中获取到的历史工作频率信息的数量。
将数据归一化后，还需要对所得到的频移数据进行切片处理。频率测量值在时域上是连续时间序列，而指纹构建并不需要长时间的频率测量值，另外考虑到指纹数据的一致性，需要对频移数据进行切片处理。在本实施例中，对上述得到的频率偏移数据序列按照20s一段进行切分，即，可以用20s的滑动窗口来对数据进行切片，得到所有电力终端的频率偏移数据序列集合。
步骤S34中提取特征的方法为：对于切片后的频率偏移数据序列分别做短时傅里叶变换和分数阶傅里叶变换。
由于频移信号随时间时刻变化，因此对其进行分数阶傅里叶变换(FRFT)和短时傅里叶变换，以获得其频域特征，得到基于频率偏移的特征向量。将基于频率偏移的特征向量归一化后即得到最终的特征向量。分数阶傅里叶变换在离散域的计算公式如下：
Figure BDA0002805765870000074
k＝0,1,2…n
其中，i表示复数符号，F′(k)表示归一化后的频率偏移数据序列F′中的第k个元素，Fourier(k)表示F′(k)的b阶傅里叶变换，b表示傅里叶阶数，n+1表示频率偏移数据序列的长度，k表示元素的序号，可见当b＝1时，上述变换就是标准的傅里叶变换，同时分数阶傅里叶变换满足阶数可加性，因此可以认为分数阶傅里叶变换是傅里叶变换的一种广义形式，由于频率偏移信号是非平稳信号，因此仅仅用傅里叶变换所获得的信息有限，而分数傅立叶变换可以选取信息最集中的角度去分析，因此能够获得尽可能多的信息。
短时傅里叶变换是基于将整个时域过程分割成等宽的小过程，每个小过程都是近似平稳的，将分数阶傅里叶变换结果和短时傅里叶变换结果作为每一段切片数据的特征值，用于后续构建电力终端的指纹。
特征提取结束后，将特征归一化后得到电力终端的特征向量，采用ExtraTrees算法训练分类器，然后把所有数据提取的特征向量输入分类器中进行训练，得到用于判断电力终端是否为合法电力终端的合法-非法二分类器。
在本发明的一项具体实施中，用正负样本进行训练得到一个合法-非法二分类器。其中，将合法电力终端的样本进行分数阶傅里叶变换和短时傅里叶变换后获得的频域特征序列作为正样本特征，将非合法电力终端的样本进行分数阶傅里叶变换和短时傅里叶变换后获得的频域特征序列作为负样本特征，用以对电力终端进行匹配。在本实施例中除以上所述的合法电力终端外的终端都属于非法终端，因此负样本是大量且易得的。
待认证电力终端接入系统之前，由主配电站获取待认证电力终端的工作频率数据，采用上述同样的方法提取待认证电力终端的频域特征序列，由于切片后每一个片段均作为一个样本，因此得到若干个待认证样本特征，利用训练得到的一个合法-非法二分类器，得到待认证样本特征的分类结果。在本实施例中，针对200s的数据切分后得到10个待认证样本特征，通过训练得到的分类器就可以得到10份合法或非法的分类结果，采用投票法判断待认证的电力终端是否为合法的电力终端，若合法结果数量大于等于非法结果数量，则判断为合法，允许该电力终端接入系统。在本实施例中的分类器采用ExtraTrees分类器。
由此可知，步骤S2具体包括：
步骤S21，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S22，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
步骤S23，对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
相应于本发明实施例一的电力终端指纹认证方法，本发明实施例二还提供一种电力终端指纹认证装置，包括：
频率获取模块，其与主配电站接通，用于获取待认证电力终端的频率数据序列；
特征提取模块，用于从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；
认证模块，用于将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
进一步地，所述特征提取模块进一步包括：
频移计算模块，用于剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
切片模块，用于对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
频移特征提取模块，用于对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
进一步地，所述电力终端指纹认证装置还包括：分类器模块，其存储有分类器模型，用于通过正样本频域特征序列和负样本频域特征序列对分类器模型进行训练，训练结束后保存模型文件；
所述认证模块还用于加载所述分类器模块得到的模型文件，得到训练好的合法-非法二分类器，将所述待认证样本特征作为输入，得到若干个分类结果，并采取投票法获取最终的认证结果。
频率获取模块还用于获取合法电力终端在一段时间内正常工作时的频率数据序列以及非合法电力终端的频率数据序列；合法电力终端的频移数据序列作为正样本，非合法电力终端的频移数据序列作为负样本；频域特征序列是由分数阶傅里叶变换和短时傅里叶变换得到的；分数阶傅里叶变换和短时傅里叶变换可采用实施例一中的公式，此处不再赘述。
频移计算模块剔除异常点的方法为：
一次检测频率数据序列F＝{f0,f1,f2…fn}中的每一个频率点fi，若满足：
Figure BDA0002805765870000101
则该频率点为异常点，其中ε为阈值，n+1表示一次频率采集中获取到的频率点的数量。
频率偏移数据序列的计算公式为：
f′＝{Δf0,Δf1,Δf2…Δfn}
Figure BDA0002805765870000102
Figure BDA0002805765870000103
F＝{f0,f1,f2…fn}
其中，F′表示归一化后的频率偏移数据序列，fi为频率数据序列中某一时刻的历史工作频率信息，Δfi表示与fi相对应的频率偏移数据，E表示一次采集过程所得到频率序列的均值，n+1表示一次频率采集中获取到的历史工作频率信息的数量，F表示某一合法电力终端在一段时间内正常工作时的频率数据序列。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的模块仅仅是示意性的，为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。模块之间的间接耦合或通信连接，可以是电性或其它的形式。
另外，对各个模块的控制器可以集成在一个处理单元中，也可以是各个处理单元单独物理存在，也可以两个或两个以上模块的控制器集成在一个单元中。上述集成的处理单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
通过上述说明可知，本发明实施例的有益效果在于：本发明首次采用电力终端频率偏移来构建指纹，频率偏移信息是不同电力终端由于其本身存在差异性、所带负载也存在差异性，电力终端在正常工作时的频率并不是频率均值，其变化会由于不同电力终端硬件上的差异而有所不同，因此通过对频移信息进行特征提取，可以构建电力终端唯一的指纹，进而可以对合法的电力终端进行认证；
本发明首先计算采集到的实际工作频率与频率均值之间的频率偏移，对连续的频率偏移数据进行切片处理，由于频率偏移数据为非平稳信号，本发明先利用短时傅里叶变换将整个时域过程分割成等宽的小过程，每个小过程都是近似平稳的，获得时-频图像，然后再利用分数阶傅里叶变换选取信息最集中的角度进一步提取频率偏移数据的特征，保证了特征的全面性；
本发明采集的电力终端频率是通过直接读取其实际工作频率得到的，电力终端的实际工作频率是会实时显示在电力后台的，无需在电力系统中添加额外的硬件、也无需修改电力系统中的原有固件即可获得，维持了电力系统的稳定性，避免了在电力系统中添加额外的硬件或者修改电力系统中的原有固件造成的系统故障。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种电力终端指纹认证方法，其特征在于，包括：
步骤S1，通过主配电站获取待认证电力终端的频率数据序列；
步骤S2，从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；
步骤S3，将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
2.根据权利要求1所述的电力终端指纹认证方法，其特征在于，所述步骤S2具体包括：
步骤S21，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S22，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
步骤S23，对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
3.根据权利要求2所述的电力终端指纹认证方法，其特征在于，所述合法-非法二分类器通过以下步骤构建：
步骤S31，通过主配电站获取合法电力终端在一段时间内正常工作时的频率数据序列；
步骤S32，剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
步骤S33，对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到每一个合法电力终端的样本序列集合；
步骤S34，对每一个合法电力终端的样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为正样本特征；
步骤S35，采集非合法电力终端的频率数据序列，按照步骤S32-S34获取非合法电力终端的频域特征序列作为负样本特征；
步骤S36，利用步骤S4获取到的正样本特征和步骤S35获取到的负样本特征训练合法-非法二分类器。
4.根据权利要求3所述的电力终端指纹认证方法，其特征在于，异常点的判断方式为：
对于频率数据序列F＝{f0,f1,f2…fn}中的第i个频率点fi，若满足：
Figure FDA0002805765860000021
则该频率点为异常点，其中，ε为判断阈值，n+1表示一次频率采集中获取到的频率点的数量。
5.根据权利要求4所述的电力终端指纹认证方法，其特征在于，归一化后的频率偏移数据序列的计算方式为：
F′＝{Δf0,Δf1,Δf2…Δfn}
Figure FDA0002805765860000022
Figure FDA0002805765860000023
F＝{f0,f1,f2…fn}
其中，F′表示归一化后的频率偏移数据序列，fi为频率数据序列中某一时刻的历史工作频率信息，Δfi表示与fi相对应的频率偏移数据，E表示一次采集过程所得到频率序列的均值，n+1表示一次频率采集中获取到的历史工作频率信息的数量，F表示某一合法电力终端在一段时间内正常工作时的频率数据序列。
6.根据权利要求5所述的电力终端指纹认证方法，其特征在于，所述对频率偏移数据序列进行切片处理具体为：采用20s的滑动窗口对频率偏移数据序列进行切片。
7.根据权利要求5所述的电力终端指纹认证方法，其特征在于，所述分数阶傅里叶变换在离散域的计算方式为：
Figure FDA0002805765860000024
其中，i表示复数符号，F′(k)表示归一化后的频率偏移数据序列F′中的第k个元素，Fourier(k)表示F′(k)的b阶傅里叶变换，b表示傅里叶阶数，n+1表示频率偏移数据序列的长度，k表示元素的序号。
8.一种电力终端指纹认证装置，其特征在于，包括：
频率获取模块，其与主配电站接通，用于获取待认证电力终端的频率数据序列；
特征提取模块，用于从待认证电力终端的频率数据序列中提取频域特征序列，得到待认证样本特征；
认证模块，用于将待认证样本特征输入到训练好的合法-非法二分类器进行认证，采用投票法判断待认证电力终端是否为合法的电力终端。
9.根据权利要求8所述的电力终端指纹认证装置，其特征在于，所述特征提取模块进一步包括：
频移计算模块，用于剔除频率数据序列中的异常点，计算频率均值与剔除异常点后的正常工作时的频率之间的偏移量，并对偏移量进行归一化处理，得到归一化后的频率偏移数据序列；
切片模块，用于对频率偏移数据序列进行切片处理，切片后的每一小段频移数据序列作为一个样本，得到样本序列集合；
频移特征提取模块，用于对各个样本分别进行分数阶傅里叶变换和短时傅里叶变换，获得每一个样本的频域特征序列作为待认证样本特征。
10.根据权利要求9所述的电力终端指纹认证装置，其特征在于，还包括：分类器模块，其存储有分类器模型，用于通过正样本频域特征序列和负样本频域特征序列对分类器模型进行训练，训练结束后保存模型文件；
所述认证模块还用于加载所述分类器模块得到的模型文件，得到训练好的合法-非法二分类器，将所述待认证样本特征作为输入，得到若干个分类结果，并采取投票法获取最终的认证结果。
CN202011368447.6A 2020-11-30 2020-11-30 一种电力终端指纹认证方法及装置 Active CN112464209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011368447.6A CN112464209B (zh) 2020-11-30 2020-11-30 一种电力终端指纹认证方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011368447.6A CN112464209B (zh) 2020-11-30 2020-11-30 一种电力终端指纹认证方法及装置

Publications (2)

Publication Number Publication Date
CN112464209A true CN112464209A (zh) 2021-03-09
CN112464209B CN112464209B (zh) 2024-07-05

Family

ID=74809309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011368447.6A Active CN112464209B (zh) 2020-11-30 2020-11-30 一种电力终端指纹认证方法及装置

Country Status (1)

Country Link
CN (1) CN112464209B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113612751A (zh) * 2021-07-28 2021-11-05 深圳供电局有限公司 一种配电网电力线载波通信系统接入安全性检测方法
CN114466358A (zh) * 2022-01-30 2022-05-10 全球能源互联网研究院有限公司 一种用户身份持续认证方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886339A (zh) * 2013-06-14 2014-06-25 洛阳乾禾仪器有限公司 基于bp神经网络的抽油设备示功图动态识别方法和装置
CN107180245A (zh) * 2016-03-10 2017-09-19 滴滴（中国）科技有限公司 一种室内外场景识别方法及装置
CN108809355A (zh) * 2018-07-04 2018-11-13 南京东科优信网络安全技术研究院有限公司 一种在低信噪比情况下提取设备物理指纹特征的方法
CN109343020A (zh) * 2018-11-16 2019-02-15 南京理工大学 一种基于改进窗函数的s变换时频分析方法
US20200067616A1 (en) * 2018-08-27 2020-02-27 Levl Technologies, Inc. Carrier frequency offset modeling for radio frequency fingerprinting
CN110910271A (zh) * 2019-09-29 2020-03-24 浙江大学 一种基于功耗和emi的电力终端指纹构建方法
CN111144522A (zh) * 2019-12-16 2020-05-12 浙江大学 一种基于硬件本征差异的电网nfc设备指纹认证方法
CN111385297A (zh) * 2020-03-04 2020-07-07 西安交通大学 无线设备指纹识别方法、系统、设备及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886339A (zh) * 2013-06-14 2014-06-25 洛阳乾禾仪器有限公司 基于bp神经网络的抽油设备示功图动态识别方法和装置
CN107180245A (zh) * 2016-03-10 2017-09-19 滴滴（中国）科技有限公司 一种室内外场景识别方法及装置
CN108809355A (zh) * 2018-07-04 2018-11-13 南京东科优信网络安全技术研究院有限公司 一种在低信噪比情况下提取设备物理指纹特征的方法
US20200067616A1 (en) * 2018-08-27 2020-02-27 Levl Technologies, Inc. Carrier frequency offset modeling for radio frequency fingerprinting
CN109343020A (zh) * 2018-11-16 2019-02-15 南京理工大学 一种基于改进窗函数的s变换时频分析方法
CN110910271A (zh) * 2019-09-29 2020-03-24 浙江大学 一种基于功耗和emi的电力终端指纹构建方法
CN111144522A (zh) * 2019-12-16 2020-05-12 浙江大学 一种基于硬件本征差异的电网nfc设备指纹认证方法
CN111385297A (zh) * 2020-03-04 2020-07-07 西安交通大学 无线设备指纹识别方法、系统、设备及可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113612751A (zh) * 2021-07-28 2021-11-05 深圳供电局有限公司 一种配电网电力线载波通信系统接入安全性检测方法
CN114466358A (zh) * 2022-01-30 2022-05-10 全球能源互联网研究院有限公司 一种用户身份持续认证方法及装置
CN114466358B (zh) * 2022-01-30 2023-10-31 全球能源互联网研究院有限公司 一种基于零信任的用户身份持续认证方法及装置

Also Published As

Publication number Publication date
CN112464209B (zh) 2024-07-05

Similar Documents

Publication Publication Date Title
Wang et al. Detection of power grid disturbances and cyber-attacks based on machine learning
Liu et al. Model-free data authentication for cyber security in power systems
CN110035090B (zh) 一种智能电网虚假数据注入攻击检测方法
CN109034244B (zh) 基于电量曲线特征模型的线损异常诊断方法及装置
CN111262722B (zh) 一种用于工业控制系统网络的安全监测方法
Mohammadpourfard et al. Identification of false data injection attacks with considering the impact of wind generation and topology reconfigurations
Anton et al. Time is of the essence: Machine learning-based intrusion detection in industrial time series data
Li et al. Developing graphical detection techniques for maintaining state estimation integrity against false data injection attack in integrated electric cyber-physical system
CN111092862A (zh) 一种用于对电网终端通信流量异常进行检测的方法及系统
CN112464209A (zh) 一种电力终端指纹认证方法及装置
CN109190916A (zh) 基于大数据分析的反窃电方法
CN114760172B (zh) 射频基带综合特征信号识别方法与装置
Botev et al. Detecting non-technical energy losses through structural periodic patterns in AMI data
CN114662618B (zh) 一种基于联邦学习的故障诊断方法、装置及相关设备
CN118132940A (zh) 变压器状态评估方法及其评估系统
CN111623905B (zh) 风电机组轴承温度预警方法及装置
CN117857010A (zh) 密码芯片安全检测方法、装置及设备
CN110910271B (zh) 一种基于功耗和emi的电力终端指纹构建方法
Wang et al. Free Probability Theory Based Event Detection for Power Grids using IoT-Enabled Measurements
Kuang et al. Abnormal Communication Signals Recognition Based on Image Enhancement and Improved Memory‐Augmented Autoencoder
CN114050941A (zh) 一种基于核密度估计的失陷账号检测方法及系统
CN112712046A (zh) 一种基于设备硬件指纹的无线充电设备认证方法
Li et al. Using power side-channel to implement anomaly-based intrusion detection on smart grid terminals
He et al. Detecting anomalies in distributed control systems by modeling traffic behaviors
CN112560889A (zh) 一种电力负荷识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant