僵尸网络攻破Transformer：针对配电网的电力僵尸网络攻击定位

传统的僵尸网络攻击利用大量分布式受感染的联网设备，通过互联网数据包攻击并压垮其他设备。随着消费者越来越多地采用高功率联网“智能设备”，一种新型的“电力僵尸网络”攻击出现，此类设备被用来以异常的负载需求攻击并压垮电网设备。我们引入这种攻击的一个变体——电力僵尸网络磨损攻击，其目的不是造成停电或短期剧烈不稳定，而是迫使昂贵的机械部件更频繁地动作，从而需要昂贵的更换/维修。具体来说，我们以有载分接开关（OLTC）变压器为目标，它使用一种响应负载需求变化的机械开关。在我们的分析和模拟中，这些攻击可以将OLTC的寿命减半，或在最极端的情况下将其缩短至原始寿命的2.5%。值得注意的是，这些电力僵尸网络由未连接到用于控制电网的内部SCADA系统的设备组成。这代表了一种从外部针对电网的新型基于互联网的网络攻击。为了帮助电力系统缓解这些类型的僵尸网络攻击，我们开发了攻击定位策略。我们将该问题形式化为一个有监督的机器学习任务，以定位电力僵尸网络攻击的来源。在模拟环境中，我们生成训练和测试数据集，以评估几种基于机器学习算法的定位方法，包括SVM、神经网络和决策树。我们表明，基于决策树的分类成功识别了电力僵尸网络攻击并定位了受感染设备，其准确率比基线“最频繁”分类器至少提高了94%。