基于深度学习的智能电网网络攻击检测模型
机器学习
2023-12-15 v1 密码学与安全
摘要
本文开发了一种基于人工智能的新型智能电网网络攻击检测模型，以阻止对监控与数据采集系统(SCADA)接收到的负荷数据的数据完整性网络攻击。在所提出的模型中，首先使用回归模型预测负荷数据，在处理阶段之后，使用无监督学习方法对处理后的数据进行聚类。为了获得最佳性能，本研究采用了三种负荷预测方法(即额外树回归(ETR)、长短期记忆网络(LSTM)和双向长短期记忆网络作为回归模型，并比较了它们的性能。采用协方差椭圆包络(EE)作为无监督学习方法进行聚类和离群点检测。为了检验所提出的模型，采用了马来西亚柔佛市电力公司的每小时负荷数据，并使用两种常见的 DIA——针对经济损失的 DIA 和针对停电的 DIA——在多种场景下评估了检测方法的准确性。仿真结果表明，与其他两种方法相比，所提出的 EE-BiLSTM 方法具有更好的鲁棒性和准确性。
引用
@article{arxiv.2312.08810,
title = {Deep Learning-Based Cyber-Attack Detection Model for Smart Grids},
author = {Mojtaba Mohammadi and Arshia Aflaki and Abdollah Kavousifard and Mohsen Gitizadeh},
journal= {arXiv preprint arXiv:2312.08810},
year = {2023}
}