基于边缘的被控电动汽车充电站协同振荡负荷攻击检测与定位
密码学与安全
2023-02-28 v1 信号处理
摘要
本文研究一种基于边缘的方法，用于检测并定位由被利用的电动汽车充电站发起、针对电网的协同振荡负荷攻击。我们依托互联电动汽车充电站（EVCS）存在时电网的行为特征，结合网络与物理层特征，实现深度学习算法以在 EVCS 处有效检测振荡负荷攻击。我们通过构建实时测试床来合成良性与恶意数据以评估所提检测方法，这些数据通过分析近年收集的真实电动汽车充电数据生成。结果表明所实现方法的有效性，其中卷积长短期记忆模型取得了最优分类准确率（99.4%）。此外，我们的分析结果揭示了此类检测机制对于在电动汽车充电生态各层面构建弹性能力的影响，同时使电网运营商能够定位攻击并采取进一步缓解措施。具体而言，我们实现了振荡负荷攻击检测机制的去中心化，并为以运营商为中心的机制创建了有效替代方案，以缓解针对电网的多运营商及中间人（MitM）振荡负荷攻击。最后，我们利用所建测试床评估了一种分布式缓解技术，该技术可部署于公共/私人充电站，以平抑振荡负荷攻击的影响，并使电力系统在 1 秒内以最小开销平稳恢复。
引用
@article{arxiv.2302.12890,
title = {Edge-Based Detection and Localization of Adversarial Oscillatory Load Attacks Orchestrated By Compromised EV Charging Stations},
author = {Khaled Sarieddine and Mohammad Ali Sayed and Sadegh Torabi and Ribal Atallah and Chadi Assi},
journal= {arXiv preprint arXiv:2302.12890},
year = {2023}
}