基于图神经网络的智能电网日志态势分析系统产品系统Vibe Coding

该项目面向智能电网和工业控制系统中的安全日志分析与异常检测场景。传统规则检测方法难以同时理解物理侧状态变化和网络侧攻击行为，本项目将电网物理运行特征与网络通信日志进行融合建模，用于识别正常、FDI攻击和DDoS攻击等不同状态，并通过前端页面展示检测结果和态势信息，辅助安全分析人员快速判断异常风险。

系统主要包括数据上传、日志解析、特征提取、异常检测、结果分类、态势可视化和报告展示等功能。后端基于 Python 完成数据处理和模型推理，模型部分采用图神经网络对智能电网拓扑和节点特征进行建模，并结合网络侧日志特征进行融合判断。前端提供检测结果、分类统计、趋势图和异常详情展示，能够直观呈现不同攻击场景下的安全态势。

本人负责项目整体设计、数据构建、特征处理、模型训练、前后端系统实现和论文撰写。项目采用 Pandapower 构建 IEEE 118 节点电网仿真环境，提取电压变化、状态差分、异常标记等物理侧特征，同时结合网络侧读写命令、连接状态、丢包和失败比例等日志特征。模型采用双分支结构，物理侧使用图神经网络建模电网拓扑关系，网络侧使用 MLP 提取通信行为特征，并通过融合模块完成异常分类。系统最终实现了检测结果可视化、异常类别展示和安全态势分析。