基于流量模式分析与深度迁移学习的自动发电控制系统异常检测
机器学习
2022-09-20 v1 人工智能
系统与控制
系统与控制
摘要
在现代高度互联的电网中，自动发电控制（AGC）对维持电网稳定性至关重要。AGC系统对信息通信技术（ICT）系统的依赖使其易受各类网络攻击。因此，信息流（IF）分析与异常检测对于防止网络攻击者将信息物理电力系统（CPPS）推向失稳至关重要。本文探究了CPPS中的ICT网络流量规律，并提取了ICT网络流量的频域特征，主要用于开发一种基于ResNeSt卷积神经网络（CNN）的鲁棒学习算法，以学习正常流量模式。此外，为克服异常流量标注样本不足的问题，采用了迁移学习方法。在所提出的基于数据驱动的方法中，深度学习模型由流量频域特征训练，这使得我们的模型对AGC参数不确定性与建模非线性具有鲁棒性。
引用
@article{arxiv.2209.08099,
title = {Anomaly Detection in Automatic Generation Control Systems Based on Traffic Pattern Analysis and Deep Transfer Learning},
author = {Tohid Behdadnia and Geert Deconinck},
journal= {arXiv preprint arXiv:2209.08099},
year = {2022}
}
备注
Editor: Geert Deconinck. 18th European Dependable Computing Conference (EDCC 2022), September 12-15, 2022, Zaragoza, Spain. Fast Abstract Proceedings - EDCC 2022