用于智能电网网络攻击检测与定位的时序图神经网络
机器学习
2023-03-28 v1 系统与控制
信号处理
系统与控制
摘要
本文提出一种时序图神经网络（TGNN）框架，用于智能电网中系统状态的虚假数据注入与斜坡攻击的检测与定位。通过GNN框架捕获系统拓扑信息并结合状态量测可提升检测机制的性能。该问题被表述为通过具有消息传递机制的GNN进行的分类问题，以识别异常量测。在消息传递聚合过程中使用的残差块与门控循环单元可带来计算时间与性能的改善。所提模型的性能已通过对电力系统状态与攻击场景的广泛仿真得到评估，展现出良好性能。模型对攻击强度与位置的敏感性以及模型的检测延迟与检测精度之间的关系也已得到评估。
引用
@article{arxiv.2212.03390,
title = {A Temporal Graph Neural Network for Cyber Attack Detection and Localization in Smart Grids},
author = {Seyed Hamed Haghshenas and Md Abul Hasnat and Mia Naeini},
journal= {arXiv preprint arXiv:2212.03390},
year = {2023}
}
备注
5 pages, 6 figures, accepted at ISGT conference of 2023