一种针对智能能源系统 contingency 检测的实用对抗攻击
机器学习
2021-09-15 v1 系统与控制
系统与控制
摘要
由于计算与传感技术的进步，深度学习（DL）已广泛应用于智能能源系统（SESs）。这些基于 DL 的方案在提升控制系统的有效性与适应性方面展现了潜力。然而，近年来越来越多的证据表明，DL 技术可被带有精心构造扰动的对抗攻击所操纵。对抗攻击已在计算机视觉与自然语言处理中得到研究。但聚焦于能源系统中对抗攻击部署与缓解的工作十分有限。为此，为使 SESs 更好地防范潜在对抗攻击，我们提出了一种可实际破坏能源系统动态控制的创新对抗攻击模型。我们还通过采用深度强化学习（RL）技术优化了所提对抗攻击模型的部署。本文呈现了我们该方向的第一阶段工作。在仿真部分，我们使用标准 IEEE 9 总线系统评估了所提对抗攻击模型的性能。
引用
@article{arxiv.2109.06358,
title = {A Practical Adversarial Attack on Contingency Detection of Smart Energy Systems},
author = {Moein Sabounchi and Jin Wei-Kocsis},
journal= {arXiv preprint arXiv:2109.06358},
year = {2021}
}
备注
5 Pages, 6 figures