该论文研究电力系统状态估计中盲式虚假数据注入攻击（FDIA）的可达性与根本极限。FDIA 的目标是在篡改电网状态估计结果的同时躲过基于残差的坏数据检测器（BDD）。已有盲攻击方法把测量数据建模为低秩子空间来学习攻击方向，但这种纯代数视角存在两个缺口：一是没有刻画使攻击具备隐蔽性的物理电网约束，二是没有回答恢复完整攻击空间所需的最小信息量。作者在连通的直流（DC）支路潮流模型下证明：无噪正交检验中残差敏感子空间恰好等于加权回路空间（weighted cycle space），其正交补即为完整的隐蔽攻击空间。由此可得，加权回路空间知识对完整盲 FDIA 既必要又充分。该空间对拓扑的辨识能力仅到 2-同构（2-isomorphism）为止，对回路支路参数仅能确定每个双连通分量内的一个全局尺度，桥支路参数既不可辨识也非必需。作者据此给出一个计算上无约束的基准（上界）以及一种仅依赖测量数据、可求解的重构方法，并在多个 IEEE 标准系统上比较了在 95% 标称接受阈值下的 BDD 绕过率与状态影响。作为向交流（AC）的紧凑扩展，论文用一个回路流形（cycle manifold）刻画可行的支路 P/Q 测量，并在 GPU 上演示了拓扑辅助的流形拟合与测量生成；在无损、定电压、小角度极限下，有功功率切片的法空间退化为 DC 加权回路空间。整体上，该工作把盲 FDIA 从经验性的子空间学习推进到有严格数学刻画的可达性理论，并给出了可求解的信息恢复路径。