FaultGuard：一种面向智能电网弹性故障预测的生成式方法
密码学与安全
2024-07-16 v1 信号处理
摘要
预测和分类电力网络中的故障对于不间断供电和将维护成本保持在最低水平至关重要。得益于智能电网在该领域带来的进步，文献中已提出了多种数据驱动方法来处理故障预测任务。实施这些系统带来了若干改进，例如最优能耗和快速恢复。因此，它们已成为智能电网的重要组成部分。然而，这些系统在面对对抗性攻击时的鲁棒性和安全性尚未得到广泛研究。这些攻击可能损害整个电网并对基础设施造成额外破坏，欺骗故障检测系统并中断恢复。在本文中，我们提出了 FaultGuard，这是首个对对抗性攻击具有弹性的故障类型和区域分类框架。为确保我们系统的安全性，我们采用了一个异常检测系统 (ADS)，该系统利用新颖的生成对抗网络训练层来识别攻击。此外，我们提出了一种低复杂度故障预测模型和一种在线对抗训练技术以增强鲁棒性。我们使用 IEEE13-AdvAttack 数据集全面评估了该框架针对各种对抗性攻击的性能，该数据集构成了弹性故障预测基准测试的最新水平。即使不考虑对手，我们的模型也超越了现有最优水平，准确率高达 0.958。此外，我们的 ADS 展示了高达 1.000 准确率的攻击检测能力。最后，我们展示了我们的新颖训练层如何大幅提升整个框架的性能，ADS 准确率平均提升 154%，模型准确率平均提升 118%。
引用
@article{arxiv.2403.17494,
title = {FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids},
author = {Emad Efatinasab and Francesco Marchiori and Alessandro Brighente and Mirco Rampazzo and Mauro Conti},
journal= {arXiv preprint arXiv:2403.17494},
year = {2024}
}