本发明提出了一种基于迁移学习的电力终端异常数据生成方法，属于智能电网安全领域。本发明基于非电力物联网运行数据及电力物联网正常运行数据，构建了多解码器Seq2Seq神经网络。通过针对电力终端不同层面的数据注入生成恶意攻击，利用电力监控系统模拟实验平台的数据进行训练，生成大量适用于电力物联网终端的模拟恶意攻击数据。本发明不仅能够大大改善因数据量不足而无法使用很多高性能算法来提升系统安全性的窘境，同时解决了在生成攻击数据时，缺少平行监督数据的难题。构建的迁移算法能够在保留攻击特征的前提下，较好的实现不同网络环境下流量设备特征的迁移，对于推动后续的系统化科学研究甚至电力物联网发展有着重要的意义。