用于智能电网网络攻击定位的无限冲激响应图神经网络
信号处理
2022-06-28 v1 密码学与安全
机器学习
系统与控制
系统与控制
摘要
本研究采用无限冲激响应（IIR）图神经网络（GNN）来高效建模智能电网数据固有的图网络结构，以解决网络攻击定位问题。首先，我们从数值上分析了有限冲激响应（FIR）与 IIR 图滤波器（GF）的经验频率响应，以逼近理想谱响应。我们表明，在相同滤波器阶数下，IIR GF 对期望谱响应提供了更好的逼近，并且由于其有理型滤波器响应，它们在更低阶 GF 下也呈现出同等水平的逼近。其次，我们提出一种 IIR GNN 模型，以高效预测总线层级上网络攻击的存在。最后，我们在样本级（SW）和总线级（BW）多种网络攻击下评估该模型，并将结果与现有架构进行比较。实验验证，所提模型在 SW 和 BW 定位方面分别优于最先进的 FIR GNN 模型 9.2% 和 14%。
引用
@article{arxiv.2206.12527,
title = {Infinite Impulse Response Graph Neural Networks for Cyberattack Localization in Smart Grids},
author = {Osman Boyaci and M. Rasoul Narimani and Katherine Davis and Erchin Serpedin},
journal= {arXiv preprint arXiv:2206.12527},
year = {2022}
}
备注
5 pages, 5 figures