用于实现和防御电网中生成式 AI 攻击的零信任框架
密码学与安全
2024-03-12 v1 机器学习
摘要
了解基于生成式 AI（GenAI）的攻击对电网的潜力，是一个必须解决的基础性挑战，以便通过实现和验证新攻击向量的风险来保护电网。本文提出了一种用于电网供应链（PGSC）的新型零信任框架。该框架有助于早期检测潜在的 GenAI 驱动的攻击向量（例如重放和协议类型攻击）、评估基于尾部风险的稳定性度量，以及缓解此类威胁。首先，设计了一个新的 PGSC 零信任系统模型，并将其表述为一个零信任问题，旨在通过实现和防御 GenAI 驱动的网络攻击来保证 PGSC 的稳定。其次，开发了一种基于生成对抗网络（GAN）的领域特定攻击生成机制，以创建新的漏洞网络空间，从而进一步理解该威胁。第三，开发并实施了基于尾部的风险实现度量，用于量化潜在攻击的极端风险，同时利用信任度量方法进行持续验证。第四，设计了一种基于集成学习的自助聚合方案，以检测生成具有令人信服的用户和分布式能源设备配置文件的合成身份的攻击。实验结果表明，所提出的零信任框架的有效性，在攻击向量生成上实现了 95.7% 的准确率，在 95% 稳定的 PGSC 下风险度量为 9.61%，并且在防御 GenAI 驱动的攻击方面具有 99% 的置信度。
引用
@article{arxiv.2403.06388,
title = {A Zero Trust Framework for Realization and Defense Against Generative AI Attacks in Power Grid},
author = {Md. Shirajum Munir and Sravanthi Proddatoori and Manjushree Muralidhara and Walid Saad and Zhu Han and Sachin Shetty},
journal= {arXiv preprint arXiv:2403.06388},
year = {2024}
}
备注
Accepted article by IEEE International Conference on Communications (ICC 2024), Copyright 2024 IEEE