在紧张电网条件下隔离网络攻击特征

在受控的网络-物理系统（如电网）中，任何对传感器测量数据的恶意数据注入都可能因闭环控制器的行动而导致广泛影响。尽管快速识别攻击特征对于可靠运营至关重要，但在大型Dynamical网络中识别这些特征颇具挑战性，尤其是当网络中的节点高度耦合时。 particularly具有挑战性的情形是：在由非恶意物理扰动引起的电网紧张条件期间启动网络攻击。本文提出了一种基于庞马模态（Koopman mode, KM）分解的算法框架，用于在电网网络的流式时序测量中进行在线识别和可视化网络攻击特征。庞马模态能够捕捉传感器测量中自然模式和异常模式振荡的空间嵌入，从而揭示网络攻击的特定影响，即便在现有的非恶意电网紧张事件下亦然。最重要的是，这使我们能够定量比较不同潜在网络攻击的效果。本文在 IEEE 68 节点测试系统上使用合成攻击情景说明了所提出算法框架的性能。就各种网络攻击的检测知识而言，可使我们在考虑不同攻击所致的约束条件时，制定合适的诊断方案。