چکیده: امنیت سایبری در شبکه‌های قدرت هوشمند، به دلیل وابستگی گسترده به داده‌های اندازه‌گیری، به یکی از چالش‌های اساسی صنعت برق تبدیل شده است. یکی از مهم‌ترین تهدیدها در این حوزه، حملات تزریق داده نادرست است که با دستکاری داده‌ها می‌تواند فرآیند تخمین حالت و کنترل سیستم را مختل کند و پیامدهایی نظیر کاهش قابلیت اطمینان، خاموشی گسترده و آسیب به تجهیزات را به دنبال داشته باشد. با این حال، روش‌های مرسوم شناسایی داده‌های نامعتبر، از جمله آزمون آماری کای‌-دو (χ²)، در برابر حملات پیچیده کارایی محدودی دارند و به شدت به کیفیت داده‌های ورودی وابسته‌اند. در این پژوهش، یک رویکرد نوآورانه مبتنی بر انتخاب بهینه زیرمجموعه‌ای از باس‌های دارای تجهیزات پایش قابل‌اعتماد و یکپارچه‌سازی آن با آزمون کای‌-دو ارائه شده است. نوآوری اصلی کار در آن است که به‌جای افزایش زیرساخت حفاظتی، از میان باس‌های از پیش حفاظت‌شده، زیرمجموعه‌ای حساس و مؤثر انتخاب می‌شود تا با حداقل هزینه، حداکثر قابلیت آشکارسازی حمله حاصل گردد. برای ارزیابی عملکرد روش پیشنهادی، شبکه‌های تست استاندارد IEEE در محیط MATLAB مدل‌سازی و سناریوهای مختلف حملات تزریق داده نادرست پیاده‌سازی شد. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی نرخ تشخیص بیش از ۹۸ درصد را در سناریوهای حملات گسترده و حدود 85 درصد را در سناریوهای حملات با گستردگی کمتر محقق می‌سازد. همچنین، با انتخاب بهینه باس‌های قابل ‌اعتماد، میزان زیرساخت‌های حفاظت‌شده مورد نیاز حدود ۴۰ درصد کاهش یافته است که به معنای کاهش هزینه و افزایش کارایی حفاظتی است. این نتایج بیانگر آن است که ترکیب هدفمند آزمون‌های آماری با داده‌های قابل ‌اعتماد می‌تواند رویکردی مؤثر و کم‌هزینه برای ارتقای تاب‌آوری سایبری شبکه‌های قدرت هوشمند باشد.