En los últimos años, las redes inteligentes han integrado tecnologías de información y comunicación en las redes eléctricas, lo que trae nuevos problemas de seguridad en la red. Entre los ciberataques existentes, el ataque de inyección de datos falsos (FDIA) compromete la estimación del estado en las redes inteligentes al inyectar datos falsos en las mediciones de los medidores, lo que afecta negativamente a las redes inteligentes. Los estudios actuales sobre FDIAs se centran principalmente en la detección de su existencia, pero hay pocos estudios sobre su localización. La mayoría de los métodos de localización de ataques tienen dificultades para localizar rápidamente y con precisión el bus o la línea específica que está bajo ataque, tienen alta complejidad computacional y son difíciles de aplicar a grandes redes eléctricas. Por lo tanto, este artículo propone un método de localización para FDIAs que se basa en una red neuronal convolucional y se optimiza con un algoritmo de búsqueda de gorriones (SSA-CNN). Basado en el significado físico de los vectores de medición, el método propuesto puede localizar con precisión un bus o línea específica con una complejidad computacional relativamente baja. Para abordar la dificultad de seleccionar hiperparámetros en la CNN, que conduce a la degradación de la precisión de localización, se utiliza un SSA para optimizar los hiperparámetros de la CNN de modo que los hiperparámetros sean óptimos al utilizar el modelo para la localización. Finalmente, se realizan experimentos de simulación en los sistemas de prueba IEEE14-bus e IEEE118-bus, y los resultados de la simulación muestran que el método propuesto en este artículo tiene una alta precisión de localización y puede reducir en gran medida la tasa de falsas alarmas.