利用机器学习检测网络攻击并区分电力系统扰动类型
机器学习
2023-07-10 v1 系统与控制
系统与控制
摘要
本研究提出一种基于机器学习的电力系统（特别是智能电网）攻击检测模型。通过利用从相量测量装置（PMUs）收集的数据与日志，该模型旨在学习系统行为并有效识别潜在安全边界。所提方法包含数据集预处理、特征选择、模型构建与评估等关键阶段。为验证我们的方法，我们使用了一个由来自不同 PMU、继电器 snort 告警和日志的 15 个独立数据集组成的数据集。构建了随机森林、逻辑回归和 K-近邻三种机器学习模型，并使用多种性能指标进行评估。结果表明，随机森林模型在检测电力系统扰动方面取得最高性能，准确率达 90.56%，并有望辅助操作员进行决策。
引用
@article{arxiv.2307.03323,
title = {Machine Learning to detect cyber-attacks and discriminating the types of power system disturbances},
author = {Diane Tuyizere and Remy Ihabwikuzo},
journal= {arXiv preprint arXiv:2307.03323},
year = {2023}
}
备注
4 pages , 6 figures