在工业化和信息化融合发展趋势下,传统孤立、单独的通信协议、通信设备和系统逐渐联合串通起来。在智能电网系统中,由于接入终端数量众多、环境复杂和无线通信的广泛化运用,数据也面临着一系列安全威胁,不利于智能电网的发展。从实际的智能电网现场配置来看,智能终端目前主要是利用光纤和无线网络的方式来接入到配电系统中,其防护措施比较薄弱,再加上黑客攻击技术升级,网络本身面临着较突出的受攻击危险,黑客往往能够利用伪造身份、多重攻击和重放攻击等形式恶意破坏和攻击配电站,导致配电系统瘫痪,进而影响配电系统安全供电。在基于神经网络的电力终端安全监测及信息攻击检测策略研究中,提出了深度学习的电力终端安全检测技术,通过对电力终端的设备级和网络级进行检测,达到全方位保护智能电网的作用。首先是制定电力终端设备级安全防护策略,采集旁路信息,利用LSTM神经网络来观察设备级的功耗,达到安全检测的目的。通过对设备级的功耗时序变化监测分析设备级的安全,这种检测方式的优点在于它属于非侵入式监测,整个监测活动不会影响到电力系统的正常工作,并达到防护效果。其次是制定电力终端设备网络级安全防护策略,对电力终端中的流量报文信息进行采集汇总,清洗数据,并采用模型训练等方式来进行信息攻击监测,进而监测网络安全。经过实物仿真平台实际验证分析,对电力设备进行设备级和网络级安全检测,证实本文提出的理论能够有效对电力终端进行安全防护,保护电力终端。