基于深度学习的充电协调应用中电动汽车谎报行为检测
密码学与安全
2020-05-29 v1 信号处理
摘要
众多电动汽车(EVs)同时充电会给配电系统带来压力，严重情况下可能导致电网失稳。避免此问题的最佳途径是充电协调。其思路为：EVs应上报数据(如电池荷电状态(SoC))以运行一种机制，对充电请求排序，并选定本时隙应充电的EVs，将其余请求推迟至未来时隙。然而，EVs可能谎报并发送虚假数据以非法获取高充电优先级。本文首先研究此类攻击，评估谎报EVs的收益及其行为对诚实EVs与充电协调机制性能的影响。我们的评估表明，相较于诚实EVs，谎报EVs获得充电的机会更大，且降低了充电协调机制的性能。随后，设计了一种基于异常、使用深度神经网络(DNN)的检测器以识别谎报EVs。为此，我们首先利用真实行驶轨迹与EV制造商披露的信息为充电协调应用创建诚实数据集，并提出若干攻击以生成恶意数据。我们利用该数据集训练并评估了多层感知机(MLP)与门控循环单元(GRU)两个模型，其中GRU检测器表现更优。我们的评估表明，该检测器能以高准确率与低误报率检测谎报EVs。
引用
@article{arxiv.2005.13813,
title = {Detection of Lying Electrical Vehicles in Charging Coordination Application Using Deep Learning},
author = {Ahmed Shafee and Mostafa M. Fouda and Mohamed Mahmoud and Waleed Alasmary and Abdulah J. Aljohani and Fathi Amsaad},
journal= {arXiv preprint arXiv:2005.13813},
year = {2020}
}