2025, 23(7):655-662.
DOI: 10.11805/TKYDA2025031
摘要:
为提升对有源台区内海量分布式电力设备的安全管理能力,提出一种面向有源台区的电力设备太赫兹指纹识别防篡改与分簇联邦学习协同方法。首先通过特殊的工艺制作电力设备太赫兹标签,提供物理防伪基础;进而提出一种双分支多模态卷积神经网络识别设备指纹是否存在异常篡改;最后设计了一种分簇联邦学习(FL)训练方法,避免因隐私问题导致的防篡改识别模型的数据难以共享共用,并实现有源台区内多设备太赫兹指纹数据的分布式联合建模与高效协同训练。实验结果表明,本文所提方法的指纹识别精确度达到90%以上,比传统直方图相似度算法识别精确度提升了212%。本文所提方法在提高设备指纹识别精确度、增加训练效率和数据可用不可见等方面均具有显著优势,为电力设备的安全监测及预防攻击提供了新的技术路径。