一种电力系统边界信任量化方法

本发明涉及网络安全技术领域，具体涉及一种电力系统边界信任量化方法；包括如下步骤：对统计模型、机器学习模型和深度学习模型的置信度输出结果分别进行归一化处理，并将其分别作为统计模型风险系数、机器学习模型风险系数和深度学习模型风险系数；依据电力系统在连续多轮动态信任评价中统计模型风险系数、机器学习模型风险系数或深度学习模型风险系数的实时变化调整对应的预设基准权重，并作为实时权重；计算电力系统的综合风险系数与边界信任分数；将计算出的边界信任分数映射为四级灰度信任等级，获得电力系统在进行动态信任评价时的灰度信任等级。本发明能够实现多模型风险系数的高效融合，并输出更为准确、规范且直观的灰度信任等级。