本发明提供一种基于集成学习的电力内网终端设备异常攻击检测方法，包括以下步骤：基于PMU采集数据；确定各少数类样本待采样的样本数量，基于CIKS算法生成伪样本，加入到原始数据实现数据平衡处理；采用最大相关‑最小冗余算法对数据进行降维和去冗余处理；采用经焦点损失函数优化后的Lightgbm分类器对样本数据进行分类，得到对终端设备攻击的自动检测模型；利用自动检测模型对终端设备攻击影响下信息物理节点之间的数据交互风险进行评估。本发明以终端设备的异构数据，提升了对终端设备攻击的识别性能，提升终端设备预防攻击的能力。对故障位置进行及时预测，提升电网抗扰动能力，降低电力系统遭受的经济损失。