该论文针对 IEC 61869-9 采样值（Sampled Values, SV）通信的安全挑战，提出了一种轻量级且具备后量子安全能力的框架。IEC 61869-9 是数字变电站过程总线通信的重要标准，其 SV 流量具有高速率、严格实时性要求的特点，导致传统安全机制难以直接应用。论文的核心贡献在于：(1) 设计了基于 Chaskey-12 优化的逐帧认证机制，通过字段选择性认证降低每包计算开销，在保持实时性的同时提供消息完整性保护；(2) 提出了基于 ML-KEM（Module-Lattice Key Encapsulation Mechanism）的成对认证与密钥建立协议，该协议在量子随机预言机模型下进行了安全性分析，并通过 AVISPA 工具在 Dolev-Yao 对抗模型下进行了形式化验证，确保其能够抵御量子计算时代的潜在威胁；(3) 在双节点过程总线测试平台上实现了基于 C 语言的发布者/订阅者原型，并针对 IEC 61869-9 的八种 SV 报文剖面，对比了 HMAC-256、AES-GMAC-128、Blake-2s、Chaskey-12 及编译器优化后的 Chaskey-12 的性能。实验结果表明，优化后的 Chaskey-12 相比 HMAC 在 SV 报文中延迟降低约 90%，且额外开销在可接受范围内。该框架为资源受限的数字变电站设备保护 SV 流量提供了实用且可扩展的解决方案，兼顾了实时性与后量子安全性，对电力行业工业控制系统的安全升级具有重要参考价值。适合电力系统安全研究人员、变电站自动化工程师及 ICS/SCADA 安全从业者阅读。

本文提出FDIFormer，一种无需特征工程的虚假数据注入攻击检测框架，专门针对基于IEC 61850 GOOSE协议的智能电网通信。研究背景：智能电网通过通信网络和智能电子设备实现自动化运行，但互联性增加使其易受网络攻击，其中虚假数据注入（FDI）攻击通过删除、修改或添加数据包操纵通信消息，尤其在IEC 61850变电站中，GOOSE消息负责传输关键保护和控制信息。由于恶意数据包与合法通信高度相似，现有检测方法严重依赖手动设计的协议特征，需要大量领域知识且泛化能力有限。核心方法：FDIFormer将GOOSE数据包序列转换为结构化文本窗口，捕获通信行为，然后利用预训练Transformer模型（如GraphCodeBERT、BERT和RoBERTa）直接学习攻击相关模式。评估使用QUT-ZSS-2023-GOOSE数据集，采用场景级三折交叉验证。结果：GraphCodeBERT达到0.595±0.122的MCC，与最强手工特征基线XGBoost（0.604±0.121）相当，比TF-IDF基线提高0.133。主要贡献：首次证明预训练Transformer表示可有效用于IEC 61850 GOOSE通信中的FDI攻击检测，无需依赖人工特征工程，为工业控制系统安全提供了新思路。适合安全研究人员、智能电网安全工程师和机器学习从业者阅读。