数据投毒：电力系统韧性的被忽视的威胁

随着动态数据驱动应用系统的复杂性不断增加，保持其韧性变得越来越困难。例如，由于不断增加的随机变量（如可再生能源输出）和极端天气事件，维持电力系统韧性正变得越来越复杂。当前的优化方法难以适应这种复杂性的增加。这推动了对数据驱动方法用于运行电网的日益关注，导致系统更容易受到网络攻击的威胁。一种常见讨论的破坏是对抗性破坏，即入侵者试图对输入数据添加微小扰动以“操纵”系统运行。在最近几年中，关于对抗性训练和电力系统破坏的研究正日益流行。本文首先将综述这些应用，特别是最常见的对抗性破坏类型：规避性破坏和投毒性破坏。通过该综述，我们指出了在应用于电网时，投毒研究与规避研究之间的差距。这源于对模型训练安全的假设，导致规避性破坏成为主要研究的破坏类型。最后，我们将检查数据投毒干预的影响，展示它们如何危及电力系统韧性。