深度分析
GenAI‑FDIA：結合物理解約與WGAN、MMD‑VAE、正規化流與擴散模型的電力系統FDIA評測框架
在資料稀缺與隱私壓力下，GenAI‑FDIA以20種物理制約生成模型合成電力系統的假資料注入。研究在三個IEEE測試系統上評估，揭露標準化後的物理解投影會使攻擊向量移位，並提出推理階段的harmoniser與warm‑up修復策略以恢復隱匿性。
深度分析
在資料稀缺與隱私壓力下，GenAI‑FDIA以20種物理制約生成模型合成電力系統的假資料注入。研究在三個IEEE測試系統上評估，揭露標準化後的物理解投影會使攻擊向量移位，並提出推理階段的harmoniser與warm‑up修復策略以恢復隱匿性。
深度分析
近年影像生成以擴散與自回歸為主流。iTARFlow提出在多噪聲尺度上訓練Transformer自回歸正規化流，採先自回歸生成再迭代去噪的採樣流程，維持端對端機率目標並改善全域結構。實驗顯示於多分辨率上競爭且縮小與擴散模型差距。代價與缺陷仍待研究。