WSYCUHK_FDIA:智能电网中虚假数据注入攻击的定位检测-源码

上传者: 42120541 | 上传时间: 2021-09-13 09:19:41 | 文件大小: 112.35MB | 文件类型: ZIP
基于深度学习的位置检测架构 (DLLD) 智能电网中虚假数据注入攻击的定位检测:一种多标签分类方法,被 IEEE 物联网杂志接受。 引用此作品 S. Wang,S。Bi和YA Zhang,“”,在IEEE物联网杂志上,第1卷。 7,没有。 9,第 8218-8227 页,2020 年 9 月。 介绍 这是我们论文“智能电网中虚假数据注入攻击的位置检测:多标签分类方法”的代码和数据。 网络设计 卷积网络旨在处理以多个数组形式出现的数据。 许多数据模态采用多个阵列的形式:信号和序列的一维,包括测量向量; 2D 图像或音频频谱图; 和 3D 视频或立体图像。 卷积网络架构的原因是双重的。 首先,在数组数据中,局部值组通常高度相关,形成易于检测的独特局部图案。 其次,图像和其他信号的局部统计量对于位置是不变的。 换句话说,如果一个主题可以出现在数组的一部分中,它就可以出现在任何地方。 因此,不同

文件下载

资源详情

[{"title":"( 27 个子文件 112.35MB ) WSYCUHK_FDIA:智能电网中虚假数据注入攻击的定位检测-源码","children":[{"title":"WSYCUHK_FDIA-master","children":[{"title":"OtherMethods","children":[{"title":"boostcnn_kernal.py <span style='color:#111;'> 10.71KB </span>","children":null,"spread":false},{"title":"boosting_2CNN2DNN.py <span style='color:#111;'> 7.82KB </span>","children":null,"spread":false},{"title":"boosting3.py <span style='color:#111;'> 1.87KB </span>","children":null,"spread":false},{"title":"boosting2.py <span style='color:#111;'> 1.78KB </span>","children":null,"spread":false},{"title":"GBDT_FDIA.py <span style='color:#111;'> 2.23KB </span>","children":null,"spread":false},{"title":"test_boosting.py <span style='color:#111;'> 8.78KB </span>","children":null,"spread":false},{"title":"bbfinal.py <span style='color:#111;'> 6.70KB </span>","children":null,"spread":false},{"title":".gitattributes <span style='color:#111;'> 66B </span>","children":null,"spread":false},{"title":"boosting1.py <span style='color:#111;'> 1.82KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 4.88KB </span>","children":null,"spread":false},{"title":"Code","children":[{"title":"readme.md <span style='color:#111;'> 55B </span>","children":null,"spread":false},{"title":"CNNfor118BusSystem.py <span style='color:#111;'> 3.62KB </span>","children":null,"spread":false},{"title":"CalculateF1.py <span style='color:#111;'> 1.71KB </span>","children":null,"spread":false}],"spread":true},{"title":"Data","children":[{"title":"FDIA4-test-labels.pkl <span style='color:#111;'> 1.34MB </span>","children":null,"spread":false},{"title":"readme.md <span style='color:#111;'> 314B </span>","children":null,"spread":false},{"title":"Result","children":[{"title":"118caseCNN4.mat <span style='color:#111;'> 8.58MB </span>","children":null,"spread":false},{"title":"118caseCNN5.mat <span style='color:#111;'> 8.58MB </span>","children":null,"spread":false},{"title":"118caseCNN6.mat <span style='color:#111;'> 8.58MB </span>","children":null,"spread":false},{"title":"118caseCNN2.mat <span style='color:#111;'> 8.58MB </span>","children":null,"spread":false},{"title":"118caseCNN3.mat <span style='color:#111;'> 8.58MB </span>","children":null,"spread":false}],"spread":true},{"title":"data118_traintest.mat <span style='color:#111;'> 15.24MB </span>","children":null,"spread":false},{"title":"data14_5.mat <span style='color:#111;'> 15.42MB </span>","children":null,"spread":false},{"title":"FDIA4-test-features.pkl <span style='color:#111;'> 1.90MB </span>","children":null,"spread":false},{"title":"data14_3.mat <span style='color:#111;'> 15.41MB </span>","children":null,"spread":false},{"title":"data14_2.mat <span style='color:#111;'> 15.40MB </span>","children":null,"spread":false},{"title":"data14_4.mat <span style='color:#111;'> 15.42MB </span>","children":null,"spread":false},{"title":"data14_1.mat <span style='color:#111;'> 15.37MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明