电力系统网络攻击检测进阶：机器学习与图神经网络方法的比较研究
系统与控制
2024-11-05 v1 系统与控制
摘要
本文探讨了电力系统中基于时间序列测量数据的网络攻击检测与定位问题，重点比较了传统机器学习（如 k-means）、深度学习方法（如自编码器）以及基于图神经网络（GNN）的技术。我们评估了这些方法的检测准确率及其在攻击下精确定位特定传感器测量位置的能力。鉴于图神经网络在其他时间序列异常检测应用中的成功表现，我们旨在评估其在电力系统基于传感器测量的网络攻击中的性能。利用 IEEE 68-bus 系统，我们模拟了四种类型的虚假数据攻击，包括缩放攻击、加性攻击及其组合，以测试所选方法。结果表明，基于 GNN 的方法在检测方面优于 k-means 和自编码器。此外，GNN 在简单场景下展现出准确定位攻击位置的潜力，但在更复杂的场景中仍面临挑战，尤其是涉及缩放攻击与加性攻击组合的情况。
引用
@article{arxiv.2411.02248,
title = {Advancing Cyber-Attack Detection in Power Systems: A Comparative Study of Machine Learning and Graph Neural Network Approaches},
author = {Tianzhixi Yin and Syed Ahsan Raza Naqvi and Sai Pushpak Nandanoori and Soumya Kundu},
journal= {arXiv preprint arXiv:2411.02248},
year = {2024}
}