基于深度强化学习的自适应电网防护：抵御负载 alteration 攻击
系统与控制
2024-11-26 v1 密码学与安全
计算机科学与博弈论
系统与控制
摘要
智能电网通过实时监控、分布式发电和电力分配，旨在高效处理大规模负载的可变电力需求。然而，电网的分布式特性以及大型负载（如暖通、通风和空调系统）的互联网连接性引入了系统脆弱性，供网络攻击者利用，可能导致电网不稳定和停电。传统防护策略主要针对输电线路故障，面对此类威胁时往往不足，强调需要增强电网安全性。本文提出一种基于深度强化学习（DRL）的防护系统，通过学习区分任何隐蔽的负载改变与正常的电网运行情况，并自适应调整防护方案的激活阈值。我们在针对最优且隐蔽的负载改变攻击模型下进行训练，该模型操控 HVAC 在最不稳定电网母线的功率需求，以诱发停电。我们理论证明，在这种竞赛博弈设置下训练的自适应防护系统能够有效缓解任何隐蔽的负载改变型攻击。为此论证，我们在硬件-in-loop 设置中实现了该方法在多个真实场景中的成功。
引用
@article{arxiv.2411.15229,
title = {Learning-Enabled Adaptive Voltage Protection Against Load Alteration Attacks On Smart Grids},
author = {Anjana B. and Suman Maiti and Sunandan Adhikary and Soumyajit Dey and Ashish R. Hota},
journal= {arXiv preprint arXiv:2411.15229},
year = {2024}
}