Una red inteligente mejora la eficiencia de la red eléctrica al utilizar tecnologías modernas de información y comunicación. Sin embargo, al mismo tiempo, debido a la dependencia de la tecnología de la información y la profunda integración de componentes eléctricos e información informática en el ciberespacio, el sistema podría volverse cada vez más vulnerable a los ciberataques. Entre varios problemas de seguridad emergentes, un ataque de inyección de datos falsos (FDIA) es un nuevo tipo de ataque contra la estimación del estado. En este artículo, se desarrolla un esquema de identificación basado en aprendizaje profundo para detectar y mitigar la corrupción de la información. El esquema implementa una red de creencias profundas condicionales (CDBN) para analizar datos de entrada de series temporales y aprovecha las características capturadas para detectar el FDIA. El rendimiento de nuestro mecanismo de detección se valida utilizando el sistema de prueba de 14 buses de IEEE para simulación. Se establecen diferentes escenarios y parámetros de ataque para demostrar la viabilidad y efectividad del esquema desarrollado. En comparación con la red neuronal artificial (ANN) y la máquina de vectores de soporte (SVM), los análisis experimentales indican que los resultados de nuestro mecanismo de detección son mejores que los de los otros dos en cuanto a precisión y robustez en la detección de FDIA.