基于机器学习方法的智能电网暴露性网络安全评估
机器学习
2025-01-27 v1 密码学与安全
摘要
鉴于对电力系统稳定和正常运行的扰动呈现出惊人的增长，尤其是涉及未经授权获取敏感和关键数据、注入恶意软件以及滥用软件安全漏洞等问题；因此，开发一种具备机器学习能力的评估解决方案，以实时匹配这些网络攻击的增长速度和快速进程，对于电力系统的安全、可靠性和安全运行至关重要，也对于确保高级监控和有效威胁检测至关重要。该研究使用密西西比州立大学和橡树山国家实验室的数据集，采用 XGB 分类器建模方法来诊断和评估电力系统扰动，包括攻击事件、自然事件和无事件。测试结果表明，该模型在三个子数据集中在所有指标上普遍表现良好，能够准确识别和分类这三类电力系统事件。
引用
@article{arxiv.2501.14175,
title = {Cybersecurity Assessment of Smart Grid Exposure Using a Machine Learning Based Approach},
author = {Mofe O. Jeje},
journal= {arXiv preprint arXiv:2501.14175},
year = {2025}
}