使用机器学习检测光伏系统中的隐藏攻击者
密码学与安全
2022-10-12 v1
摘要
在现代智能电网中，具备通信功能的分布式能源（DER）系统的普及增加了可能的网络物理攻击面。源自 DER 系统分布式边缘设备（如光伏（PV）系统）的攻击通常难以检测。攻击者可能会改变 PV 逆变器的控制配置或各种设定点，以破坏电网的稳定性、损坏设备或获取经济利益。更强大的攻击者甚至可能篡改用于远程监控的 PV 系统计量数据，从而保持隐藏。在本文中，我们考虑一种在不同控制模式下运行的 PV 系统同时受到攻击，且攻击者有能力篡改单个 PV 母线测量数据以避免被检测的场景。我们表明，即使在这样一种场景下，仅凭攻击者无法篡改的聚合测量数据，机器学习（ML）技术也能快速、准确地检测到攻击。我们在实验设置中使用了标准辐射状配电网，以及真实的智能家居用电消费数据和太阳能发电数据。我们测试了几种 ML 算法在检测 PV 系统攻击方面的性能。我们的详细评估表明，所提出的入侵检测系统（IDS）在检测 PV 逆变器控制模式攻击方面非常有效且高效。
引用
@article{arxiv.2210.05226,
title = {Detecting Hidden Attackers in Photovoltaic Systems Using Machine Learning},
author = {Suman Sourav and Partha P. Biswas and Binbin Chen and Daisuke Mashima},
journal= {arXiv preprint arXiv:2210.05226},
year = {2022}
}