基于支持向量模型检测负荷重分配攻击
系统与控制
2020-03-17 v1 系统与控制
摘要
提出一种基于机器学习的检测框架,用于检测一类通过修改量测来重分配负荷的网络攻击。该检测框架由一个多输出支持向量回归(SVR)负荷预测器和一个后续的支持向量机(SVM)攻击检测器组成:SVR预测器利用空间和时间相关性预测负荷,SVM攻击检测器利用SVR预测器预测的负荷来判断是否存在负荷重分配(LR)攻击。用于训练SVR的历史负荷数据取自公开可用的PJM分区负荷,并映射到IEEE 30总线系统。SVM使用正常数据和随机生成的LR攻击进行训练,并针对随机和智能设计的LR攻击进行测试。结果表明,所提出的检测框架能有效检测LR攻击。此外,通过使用SVR预测的负荷重新调度发电,可实现攻击缓解。
引用
@article{arxiv.2003.06543,
title = {Detecting Load Redistribution Attacks via Support Vector Models},
author = {Zhigang Chu and Oliver Kosut and Lalitha Sankar},
journal= {arXiv preprint arXiv:2003.06543},
year = {2020}
}
备注
9 pages, 6 figures