智能电网(Smart grid,SG)是将信息通信技术和网络组件集于一体的信息物理系统(Cyber Physical System,CPS),能高效、准确、可靠的提供电力服务。其作为国家关键基础设施,越来越多受到网络攻击,如何保障智能电网网络安全已经成为研究的热点。近年来,虚假数据注入攻击(False Data Injection Attack,FDIA)是智能电网信息物理系统中极具威胁的网络攻击之一,能够给智能电网带来难以估计的损失。该攻击更具隐秘性和攻击性,它能绕过传统坏数据检测器,干扰状态估计的准确性,从而使电网误判状态,造成错误的电力调度导致电网陷入瘫痪。因此研究智能电网中虚假数据注入攻击检测方法具有非常重要的意义。针对虚假数据攻击,本文提出基于概率的分布式主机协同检测(Probability-based Distributed Host Collaborative Detection,P-DHCD)机制以及基于物理规则-模糊神经网络(Physical Rules-Fuzzy Neural Networks,PR-FNN)虚假数据攻击协同检测机制。本文主要研究工作如下:针对以往智能电网中FDIA检测方法实时性难以满足运行控制要求及占用控制中心的计算开销的问题,本文结合信息物理系统的特点提出了基于概率的分布式主机虚假数据协同检测机制。首先解决同步相量测量单元(Phasor Measurement Unit,PMU)作为协同检测参与者存在的可信度问题,设计基于信任的受损PMU识别方法评价PMU的整体行为;然后利用智能电网信息物理系统中的物理规律规则,提出置信度协同投票检测方法检测虚假数据。本文收集来自Powerworld中的实时数据,在MATLAB中进行了仿真实验,验证了该机制能提高虚假数据注入攻击的实时检测率,同时降低了计算开销。针对未来新型的智能电网聚合层架构中的虚假数据难以检测的问题,本文提出了基于物理规则-模糊神经网络的虚假数据攻击协同检测机制。该方法首先在通信层和物理层采用椭圆曲线密码体制对测量值进行加密防止测量值在无线网传输过程被篡改,而不干扰到检测PMU数据的结果;然后采用逻辑调度的身份验证(LSA)算法保证本地聚合器作为检测者和控制者的身份合法性;最后实现基于物理规则-模糊神经网络虚假数据检测方法,检测识别物理层PMU中的数据是否被篡改。本文在MATLAB验证了该机制能够有效检测虚假数据。