El acceso público a las redes inteligentes tiene un gran impacto en la operación segura del sistema. Con el rápido aumento en las aplicaciones de Internet de las Cosas (IoT), los ciberataques causados por múltiples fuentes y cargas flexibles continúan aumentando, lo que resulta en el malfuncionamiento del equipo y problemas de seguridad. En este documento, se propone una novedosa técnica de identificación de anomalías de seguridad habilitada por un algoritmo de aprendizaje en conjunto (ELA). Primero, se analizó el proceso de propagación de ciberataques típicos para ilustrar el impacto en la transmisión de mensajes y la operación de energía. Luego, se diseñó un método de identificación de coincidencia de características según los conjuntos de secuencias en diferentes situaciones. Posteriormente, se adquirió la tasa de clasificación de estos comportamientos de ataque anómalos, lo que podría ayudar en la lista de clasificación de las consecuencias de los comportamientos de ataque anómalos. Además, los pesos de las muestras de entrenamiento pueden actualizarse aún más según el rendimiento de las tasas de error de aprendizaje débiles. A través de una plataforma de hardware conjunta, los resultados numéricos muestran que la técnica propuesta es efectiva y se desempeña bien en términos de identificación de anomalías de situación.