用于可解释检测电动汽车充电桩网络攻击的 Kolmogorov-Arnold 网络
机器学习
2025-03-05 v1 密码学与安全
信号处理
摘要
随着电动汽车（EV）的日益普及、充电基础设施的扩张及其对通信的依赖，电动汽车供电设备（EVSE）面临网络攻击的风险。本文提出了一种基于 Kolmogorov-Arnold 网络（KAN）的新框架，仅使用功耗测量数据来检测电动汽车充电桩的网络攻击。利用 KAN 对非线性高维函数的建模能力及其固有的可解释架构，该框架能有效区分正常与恶意充电场景。该模型在包含通过实验装置生成的超过 100,000 个网络攻击案例的综合数据集上进行离线训练。训练完成后，KAN 模型可部署在单个充电桩中，用于实时检测表明网络攻击的异常充电行为。结果表明，所提出的基于 KAN 的方法能准确检测电动汽车充电桩的网络攻击，其 Precision 和 F1-score 分别达到 99% 和 92%，优于现有检测方法。此外，所提出的 KAN 能够提取代表其检测决策的数学公式，从而解决了可解释性这一基于深度学习的网络安全框架的关键挑战。这项工作标志着向构建安全且可解释的电动汽车充电基础设施迈出了重要一步。
引用
@article{arxiv.2503.02281,
title = {A Kolmogorov-Arnold Network for Explainable Detection of Cyberattacks on EV Chargers},
author = {Ahmad Mohammad Saber and Max Mauro Dias Santos and Mohammad Al Janaideh and Amr Youssef and Deepa Kundur},
journal= {arXiv preprint arXiv:2503.02281},
year = {2025}
}
备注
Accepted for the 2025 IEEE Power & Energy Society General Meeting (PESGM), 27-31 July 2025 Austin, TX, USA