近年来,智能电网逐渐成为世界电力工业的共同发展趋势。邻域网作为智能电力通信网络的中心枢纽,其安全问题越来越被研究者们所重视。目前,已应用物理控制、数据加密以及认证等技术提高邻域层安全性,但仍缺乏及时有效的检测方法来避免电网受到恶意入侵行为的威胁。如何检测出智能电网邻域网中存在威胁的入侵行为是智能电网安全中亟待解决的问题之一。国内外对智能电网邻域网安全的相关研究仍然处于起步阶段。本文首先分析了当前国内外的研究成果,并对邻域网已有入侵检测方法进行了分析。而后提出了一种基于信任度白名单的分级协作入侵检测模型,并基于此模型设计与实现智能电网邻域网入侵检测系统。本文主要工作如下:首先,针对当前邻域网入侵检测技术大多是参照传统计算机网络中单一的规则匹配或者机器学习技术,并没有结合邻域网网络结构特性这一问题进行了分析。提出了基于信任度白名单的SVM入侵检测算法,此算法结合了两种检测技术的优点,为后文设计检测模型奠定基础。其次,在使用本文所提出的算法基础上,针对邻域网特有的设备分级结构,结合各级电力设备性能与安全级别不同,设计了一个分级协作入侵检测模型,在不同级设备上布置了与之相适应的入侵检测技术,使两级之间协作检测以提高入侵检测准确性与实时性。对提出的检测模型进行仿真实验测试,与其他方案进行对比分析,验证了其能够达到检测准确率与时效性之间的均衡。最后,根据提出的基于信任度白名单的分级协作检测模型进行了系统设计与实现,并对其进行实验测试,论证了算法和系统的有效性。