Pytorch实现之在LSGAN中结合重建损失

简介：这篇论文在LSGAN的基础上结合了重建损失来产生通过传统不良数据检测（BDD）机制的人工测量。这篇博客的主要内容是关于实现了重建损失与LSGAN的结合。

论文题目：False Data Injection Attacks Based on Least Squares Generative Adversarial Networks with Reconstruction Loss（基于重构损失最小二乘生成对抗网络的虚假数据注入攻击）

会议：2024 IEEE Power & Energy Society General Meeting (PESGM)

摘要：网络安全在电力系统中越来越重要，特别是随着物联网（IoT）设备的兴起。这些设备的集成放大了系统暴露于虚假数据注入攻击（FDIA）等威胁的风险。这项工作提出了一个生成对抗网络（GAN）框架，用于从攻击者的角度针对电力系统状态估计生成FDIA。具体来说，我们提出了最小二乘生成对抗网络与重构损失（LSGA