用于增强智能电网信息物理安全性的跨层分布式数据驱动框架
机器学习
2021-11-11 v1 网络与互联网体系结构
摘要
智能电网（Smart Grid, SG）的研究与开发因其对社会、经济与环境的重大影响而受到学术界、工业界和政府的广泛关注。由于对通信网络辅助物理过程控制的依赖增强，SG的安全保障是一项极为重要的挑战，这使其暴露于各类网络威胁之下。除了利用虚假数据注入（False Data Injection, FDI）技术篡改测量值的攻击外，对通信网络的攻击可能通过拦截报文或以无用数据淹没通信信道来破坏电力系统的实时运行。应对这些攻击需要一种跨层方法。本文提出一种称为跨层集成CorrDet与自适应统计（Cross-Layer Ensemble CorrDet with Adaptive Statistics, CECD-AS）的跨层策略，它集成了对故障SG测量数据以及不一致的网络到达间隔时间和传输时延的检测，以实现更可靠、更准确的异常检测与攻击判别。数值结果表明，与当前仅使用SG测量数据进行检测的方法（如传统的基于物理的状态估计、集成CorrDet与自适应统计策略以及其他基于机器学习的分类检测方案）相比，CECD-AS能以高F1分数检测多种虚假数据注入、拒绝服务（Denial of Service, DoS）和中间人（Man In The Middle, MITM）攻击。
引用
@article{arxiv.2111.05460,
title = {Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid Cyber-Physical Security},
author = {Allen Starke and Keerthiraj Nagaraj and Cody Ruben and Nader Aljohani and Sheng Zou and Arturo Bretas and Janise McNair and Alina Zare},
journal= {arXiv preprint arXiv:2111.05460},
year = {2021}
}