面向EV充电站的层次化对抗框架：针对高级网络威胁

电动车（EV）的日益流行 necessitates 对 sophisticated 网络威胁建立稳健防御。当EV故意提供虚假信息以获取更高的充电优先级时，可能导致电网不稳定，这是一大挑战。虽然已提出多种方法来解决此问题，但这些方法常常忽视了攻击者使用深度强化学习（DRL）或其他复杂深度学习方法以实现此类攻击的可能性。为此，本文引入了使用DRL的层次化对抗框架（HADRL），有效检测EV充电站上的 stealthy 网络攻击，尤其是导致充电 denial 的攻击。我们的框架包括双重方法：第一方案利用DRL开发先进且 stealthy 的攻击方法，以规避基本入侵检测系统（IDS）。第二方案在EV充电站的IDS中实现DRL-based scheme，旨在检测和 counter these sophisticated attacks。该方案使用来自第一个方案创建的数据集进行训练， resulting in 一个稳健且高效的 IDS。我们评估了该框架针对最新文献方法的有效性，结果表明我们的 IDS 能够在低误报率下准确检测出欺骗性EV，即便面对来自训练数据集之外的攻击。