题目：AS-TBR：智能电网AMI入侵检测模型

作者：马浩，张翼英等

期刊：SENSORS

摘要：高级计量基础设施 (AMI) 作为智能电网架构中的关键数据收集和通信枢纽，由于其开放的双向通信网络，极易受到网络入侵。AMI 流量数据面临的一个重大挑战是严重的类别不平衡，现有方法倾向于检测多数类样本而忽略少数类攻击，从而降低了检测系统的整体可靠性。此外，现有方法在时空特征提取方面存在局限性，无法有效捕捉网络流量数据中复杂的依赖关系。在全局依赖关系建模方面，现有模型难以动态调整关键特征，影响入侵检测和响应的效率和准确性。针对这些问题，本文提出了一种创新的混合深度学习模型 AS-TBR，用于智能电网中的 AMI 入侵检测。该模型结合自适应合成采样 (ADASYN) 技术来缓解数据不平衡，从而提高少数类样本的检测准确性。同时，利用 Transformer 捕捉全局时间依赖关系，BiGRU 建模双向时间关系，并利用 ResNet 进行深度空间特征提取。实验结果表明，AS-TBR 模型在 UNSW-NB15 数据集上达到了 93% 的准确率，在 NSL-KDD 数据集上达到了 80% 的准确率。此外，该模型在准确率、召回率等关键评估指标上均优于基线模型，验证了其在 AMI 入侵检测中的有效性和鲁棒性。