通过上下文学习检测数字变电站中的零日攻击
机器学习
2025-01-29 v1 人工智能
摘要
每年针对电网的网络攻击事件不断增加，新型攻击技术层出不穷。在本文中，我们探讨了检测采用 IEC-61850 通信协议的数字变电站中新型/零日攻击的关键挑战。尽管已有许多基于启发式和机器学习 (ML) 的方法被提出用于 IEC-61850 数字变电站的攻击检测，但对新型或零日攻击的泛化仍然具有挑战性。我们提出了一种利用 transformer 架构上下文学习 (ICL) 能力的方法，该架构是大型语言模型的基础构建块。ICL 方法使模型能够检测零日攻击，并从该攻击的少量示例中学习，而无需显式的重新训练。我们在 IEC-61850 数据集上的实验表明，所提出的方法在零日攻击上实现了超过 的检测准确率，而现有的最先进基线方法均告失败。这项工作为构建未来更安全、更具弹性的数字变电站铺平了道路。
引用
@article{arxiv.2501.16453,
title = {Detecting Zero-Day Attacks in Digital Substations via In-Context Learning},
author = {Faizan Manzoor and Vanshaj Khattar and Akila Herath and Clifton Black and Matthew C Nielsen and Junho Hong and Chen-Ching Liu and Ming Jin},
journal= {arXiv preprint arXiv:2501.16453},
year = {2025}
}