本发明针对电网信息物理融合系统(CPS)遭受的攻击已非单次攻击，而是一系列性具有相关关系的连续攻击，但现有数据异常检测方法无法有效提取和分析电网中恶性数据的问题，提出一种电力CPS恶性数据链识别方法。首先，恶性数据检测阶段采用基于重复神经网络的方法按照时间序列从电网大数据中过滤掉正常数据集，减少恶性数据提取所需数据处理量。然后，采用自回归模型与自组织神经网络算法建立转移概率矩阵，对连续小概率转移恶性数据进行提取。最后，根据隐藏在恶性数据集中恶性数据间的相关性，提出一种基于时标频繁模式树的电网恶性数据链识别算法，解决了电网恶性数据链的识别问题。